计算精度和召回

Question

我对如何使用NB分类器

在监督机器学习算法中计算精度和召回感到困惑

比如说 1）我有两个班级A，B
2）我有10000个文件，其中2000个去训练样本集（A级= 1000，B级= 1000）
3）现在在上述训练样本集的基础上，使用NB分类器分类rest 8000文件 4）现在将5000份文件分类后转到A级，3000份文件转到B级 5）现在如何计算精度和召回？

请帮帮我..

由于

Answer 1

您好，您必须将结果分为四组 -
真正的A级（TA） - 正确分类为A级 假类A（FA） - 错误地归类为A类 真正的B类（TB） - 正确分类为B类 假B类（FB） - 错误地归类为B类

精度= TA /（TA + FA）
召回= TA /（TA + FB）

您可能还需要准确性和F测量：

准确度=（TA + TB）/（TA + TB + FA + FB）
f-measure = 2 *（（精确*召回）/（精确+召回））

更多信息：
http://en.wikipedia.org/wiki/Precision_and_recall#Definition_.28classification_context.29

Answer 2

让我解释清楚一点。

假设视频中有9只狗和一些猫，图像处理算法告诉你现场有7只狗，其中只有4只狗是真正的犬（真阳性），而3只是猫（假阳性）

精确告诉我们出于分类为狗的物品，实际上狗的数量

  

所以精确度=真阳性/（真阳性+假阳性） = 4 /（4 + 3）= 4/7

虽然回忆告诉了狗的总数，实际发现了多少只狗。

  

所以召回=真阳性/总数=真阳/（正阳性+假阴性） = 4/9

---

在您的问题中

你必须找到A级和B级的精确度和召回

对于A类

  

真阳性=（5000个分类A类文件中的A类文件数）

     

假阳性=（5000个分类A类文件中的B类文件数量）

从上面你可以找到精确度。

  

召回=真阳/（测试时使用的A类文件总数）

对B类重复上述操作以查找其精度和召回。