Fasttext中的精确度和召回率

Question

我是Fasttext的新手。我已经有一些关于这个库的问题，对某些人来说它们看起来很明显，但我真的想要得到正确的直觉。非常感谢您的帮助。

首先，我在谈论Fasttext的文本分类部分。根据提供的教程here，我们预测给定文本的不同标签。我们是否真的为每个标签分配给定的测试文本，并且该文本符合标签的概率？

第二个问题，任何人都能澄清/解释P 1（精确度1）和R 1（召回1）的含义，在这种情况下，Fasttext中使用的度量标准是什么？ 我找到了一个答案here。但这个答案给我带来了更多问题：

• 在链接提供的响应中 - 什么是P @ 1和R @ 1呢？ 根据那里的逻辑和解释，P @ 1是一个预设 一个结果（在我们的上下文中 - 标签），其中我们可能有1个正确 或1个不正确的标签，这意味着P @ 1只能取值0或1， 对？我们如何在这里获得概率？我们应该 计算所有文本样本中所有1个的份额？如果是，那是什么 是R 1呢？在这种情况下如何计算？什么是R @ k 通常在这种情况下？

在tutorial提供的例子中P @ 1和R @ 1是什么，他们计算了P @ 5和R @ 5，对吗？

提前多多感谢，

Answer 1

是的，为不同的标签分配了概率。您可以通过运行以下命令来查看每个标签的概率，其中将my_model.bin和data.test替换为适当的名称，k是数据集中标签的数量：./fasttext预报-prob my_model.bin数据.test k

Answer 2

首先，精度是正确预测的标签数与模型预测的标签数之比，而@ 1代表时期。默认情况下，fastText运行5个纪元。 其次，召回率是验证数据集中正确预测的标签数与实际标签数之比。

例如：数据集中输入的实际标签：A，B，C，D，E

模型输入的预测标签：A，B，C，G

正确预测的标签：A，B，C

精度：3/4 = 0.75

回想一下：3/5 = 0.6