ความแม่นยำหมายถึง:
p = จริงบวก / (บวกจริง + บวกเท็จ)
ค่าของความแม่นยำคืออะไร ((บวกจริงบวกเท็จบวก) = 0? มันเป็นเพียงไม่ได้กำหนด?
คำถามเดียวกันสำหรับการเรียกคืน:
r = จริงบวก / (บวกจริง + ลบเท็จ)
ในกรณีนี้มูลค่าของการเรียกคืนคืออะไรถ้า (บวกจริง + เชิงลบเท็จ) = 0?
ป.ล. คำถามนี้คล้ายกับคำถามอะไรคือค่าที่ถูกต้องสำหรับความแม่นยำและการเรียกคืนในกรณีขอบ? .
คำตอบ:
คำตอบของคำถามก่อนหน้านี้เชื่อมโยงใช้ที่นี่ด้วย
หาก (บวกจริง + เชิงลบเท็จ) = 0 ดังนั้นไม่มีกรณีบวกในข้อมูลอินพุตดังนั้นการวิเคราะห์ใด ๆ ของคดีนี้ไม่มีข้อมูลและไม่มีข้อสรุปเกี่ยวกับวิธีจัดการกรณีที่เป็นบวก คุณต้องการ N / A หรือสิ่งที่คล้ายกันเป็นผลลัพธ์อัตราส่วนหลีกเลี่ยงการหารด้วยศูนย์ข้อผิดพลาด
ถ้า (บวกจริง + เท็จบวก) = 0 ดังนั้นทุกกรณีได้รับการคาดการณ์ว่าจะเป็นลบ: นี่คือปลายด้านหนึ่งของกราฟ ROC อีกครั้งคุณต้องการรับรู้และรายงานความเป็นไปได้นี้ในขณะที่หลีกเลี่ยงการหารด้วยข้อผิดพลาด เป็นศูนย์
คำตอบที่น่าสนใจมีให้ที่นี่: https://github.com/dice-group/gerbil/wiki/Precision,-Recall-and-F1-measure
ผู้เขียนของโมดูลเอาท์พุทคะแนนที่แตกต่างกันเพื่อความแม่นยำและการเรียกคืนขึ้นอยู่กับว่าบวกจริงบวกเท็จและเชิงลบเท็จทั้งหมด 0 ถ้าพวกเขาเป็นผลลัพธ์ที่เห็นได้ชัดอย่างดี
ในบางกรณีการคำนวณความแม่นยำหรือการเรียกคืนอาจทำให้เกิดการหารด้วย 0 สำหรับความแม่นยำอาจเกิดขึ้นได้หากไม่มีผลลัพธ์ในคำตอบของคำอธิบายประกอบและดังนั้นจริงและผลบวกปลอมคือ 0 สำหรับกรณีพิเศษเหล่านี้เราได้กำหนดไว้ว่าหากผลบวกจริงผลบวกปลอมและค่าลบเป็นเท็จทั้งหมด 0 ความแม่นยำการเรียกคืนและการวัด F1 คือ 1 ซึ่งอาจเกิดขึ้นในกรณีที่มาตรฐานทองคำมีเอกสารโดยไม่มี คำอธิบายประกอบและคำอธิบายประกอบ (อย่างถูกต้อง) จะไม่ส่งคืนคำอธิบายประกอบ หากผลบวกจริงเป็น 0 และหนึ่งในสองเคาน์เตอร์อื่น ๆ มีขนาดใหญ่กว่า 0 ความแม่นยำการเรียกคืนและการวัด F1 คือ 0
ฉันไม่แน่ใจว่าการให้คะแนนแบบนี้จะมีประโยชน์ในสถานการณ์อื่น ๆ นอกเหนือจากกรณีพิเศษหรือไม่
เมื่อประเมินลักษณนามที่ระดับสูงความแม่นยำอาจ (มักจริง) ไม่ใช่ 1 เมื่อเรียกคืนเป็น 0 โดยปกติแล้ว N / A! ฉันคิดว่ามีบางอย่างผิดปกติเกี่ยวกับวิธีที่ผู้คนวาดเส้นโค้ง P / R การหลีกเลี่ยงตัวอย่าง N / A เป็นอคติในแง่ที่ว่าคุณหลีกเลี่ยงตัวอย่างที่เป็นเอกเทศ ฉันคำนวณความแม่นยำเฉลี่ย wrt ไปที่การเรียกคืนเฉลี่ยโดยไม่สนใจตัวอย่าง N / A และฉันไม่เคยมีตัวจําแนกเริ่มต้นที่ 1 สำหรับการเรียกคืน 0 สําหรับตาข่ายประสาทตื้นในการตรวจจับวัตถุ สิ่งนี้ก็เป็นจริงสำหรับเส้นโค้งที่คำนวณด้วยตัวเลข tp, fp, fn มันค่อนข้างง่ายในการตรวจสอบด้วยกระดาษและดินสอด้วยภาพเดียว ตัวอย่างเช่น: ฉันมีลักษณนามที่แสดงผลสำหรับภาพเดี่ยว: preds = [. 7 .6 .5 .1 .05] true = [nynny] โดยการคำนวณเมทริกซ์ความสับสนด้วยเกณฑ์ต่าง ๆ ที่เรามี: tp = [2 1 1 1 0 0], fn = [0 1 1 1 2 2], fp = [3 3 2 1 1 0 0] การเรียกคืน REC = [1 .5 .5 .5 0 0] และความแม่นยำ = [. 4 .25 1/3 .5 0 NaN] ฉันไม่เห็นว่ามันจะสมเหตุสมผลหรือไม่ที่จะแทนที่ NaN หรือความแม่นยำ (@ ระลึก == 0) ด้วย 1 1 ควรเป็นขอบเขตบนไม่ใช่ค่าที่เราแทนที่ความแม่นยำ (@ จำ == 0) ด้วย