如何计算精度和召回率

Question

数据库和分类规则，如何计算精度和召回？

MinSupp = 3％vàMinConf= 30％

No. outlook temperature humidity    windy   play
1   sunny       hot     high        FALSE   no
2   sunny       hot     high        TRUE    no
3   overcast    hot     high        FALSE   yes
4   rainy       mild    high        FALSE   yes
5   rainy       cool    normal      FALSE   yes
6   rainy       cool    normal      TRUE    no
7   overcast    cool    normal      TRUE    yes
8   sunny       mild    high        FALSE   no
9   sunny       cool    normal      FALSE   yes
10  rainy       mild    normal      FALSE   yes
11  sunny       mild    normal      TRUE    yes
12  overcast    mild    high        TRUE    yes
13  overcast    hot     normal      FALSE   yes
14  rainy       mild    high        TRUE    no

发现规则：

1 :(展望，阴云） - ＆gt; （播放，是） [支持= 0.29，置信度= 1.00，正确分类= 3,7,12,13]

2 :(湿度，正常），（刮风，假） - ＆gt; （播放，是） [支持= 0.29，置信度= 1.00，正确分类= 5,9,10]

3 :(前景，晴天），（湿度，高） - ＆gt; （播放，否） [支持= 0.21，置信度= 1.00，正确分类= 1,2,8]

4 :(前景，下雨），（刮风，假） - ＆gt; （播放，是） [支持= 0.21，置信度= 1.00，正确分类= 4]

5 :(前景，晴天），（湿度，正常） - ＆gt; （播放，是） [支持= 0.14，置信度= 1.00，正确分类= 11]

6 :(前景，下雨），（刮风，真实） - ＆gt; （播放，否） [支持= 0.14，置信度= 1.00，正确分类= 6,14]

感谢。

Answer 1

我认为您需要了解有关精确度和召回的所有信息here。

简单来说，精确度 是系统检索的实际结果数/系统指向正确的结果数 。同样，召回将是 您的系统检索到多少实际正确的结果/数据集中可用的实际正确结果总数 。