为什么KNN精度低但精度高？

Question

我将20NG数据集与k-nn分类，每个类别有200个实例，80-20次列车测试分割，我发现以下结果

这里的精度很低但是当精度很低时精度如何？是不是精密公式TP /（TP + FP）？如果是，则高精度分类器需要产生高真阳性，这将导致高精度，但K-nn如何产生高精度且真阳性率太低？

Answer 1

召回相当于真阳性率。文本分类任务（尤其是信息检索，但也包括文本分类）显示了召回和精确度之间的权衡。当精度非常高时，召回率往往较低，而相反。这是因为您可以调整分类器以将更多或更少的实例分类为正数。您归类为正数的实例越少，精度越高，召回率越低。

为了确保有效性测量与准确性相关，您应该关注F测量，平均回忆和精确度（F-measure = 2 * r * p /（r + p））。

非懒惰分类器遵循训练过程，在此过程中，他们尝试优化准确性或错误。懒惰的K-NN没有训练过程，因此，它不会尝试优化任何有效性措施。您可以使用不同的K值，直观地说，K越大，召回越高，精度越低，反之亦然。