Calculte精度和文本挖掘结果的召回

Question

我正在做一个项目，使用文本挖掘找出疾病相关基因。我正在使用1000篇文章。我得到了大约129个基因名称。实际数据集包含大约1000个条目。现在我想计算我的方法的精度和召回率。当我进行比较时，在129个基因中，有72个被发现是正确的。所以 精度= 72/129。 这是对的吗？ 现在我该如何计算召回？请帮忙

Answer 1

Wikipedia Article on Precision and Recall可能有所帮助。 定义如下：

Precision: tp / (tp+fp)
Recall: tp / (tp + fn)

tp是真正的阳性（与疾病相关的基因，你发现它们），fp是假阳性（你找到的基因，但它们实际上并没有与之相关）疾病）和fn是假阴性（实际上与疾病相关的基因，但你没有发现它们）。

我不太确定您发布的数字代表什么。你知道与这种疾病真正相关的基因吗？

您最有可能计算出准确度：

Accuracy = (tp + fp) / (Total Number)

Answer 2

主要问题是我正在考虑的文章可能不包含所有最初列出的基因名称，因为它是一个小数据集。因此，在计算召回时，我可以将基因的原始数据库与文章进行比较，而不是将分母视为1000，以找出文献中存在多少原始相关基因。也就是说，如果有1000个相关基因，我将检查1000个我正在考虑的数据集中有多少个。如果它是300，我将分母设置为300而不是1000.这将给予回忆。