不同组大小的精度和召回计算
Precision and Recall computation for different group sizes
我没有在任何地方找到这个问题的答案，所以我希望这里有人可以帮助我和其他有同样问题的人。
假设我有1000个正样本和1500个负样本.
现在，假设有 950 个 True Positives（正样本被正确分类为正样本）和 100 False Positives（负样本被错误分类为正样本）。
我应该使用这些原始数字来计算 精度，还是应该考虑不同的组大小？
换句话说，我的精度应该是：
TruePositive / (TruePositive + FalsePositive) = 950 / (950 + 100) = 90.476%
或应该是：
(TruePositive / 1000) / [(TruePositive / 1000) + (FalsePositive / 1500)] = 0.95 / (0.95 + 0.067) = 93.44%
在第一次计算中，我采用了原始数据，没有考虑每组中的样本数量，而在第二次计算中，我使用了每个度量在其对应组中的比例，以消除造成的偏差按小组大小
回答所述问题：根据definition，精度由第一个公式计算：TP/(TP+FP)。
但是，这并不意味着你必须使用这个公式，即精度测量。还有许多其他措施，请查看 this wiki page 上的 table，然后选择最适合您任务的一项。
例如，positive likelihood ratio 似乎与您的第二个公式最相似。
我没有在任何地方找到这个问题的答案，所以我希望这里有人可以帮助我和其他有同样问题的人。
假设我有1000个正样本和1500个负样本.
现在，假设有 950 个 True Positives（正样本被正确分类为正样本）和 100 False Positives（负样本被错误分类为正样本）。
我应该使用这些原始数字来计算 精度，还是应该考虑不同的组大小？
换句话说，我的精度应该是：
TruePositive / (TruePositive + FalsePositive) = 950 / (950 + 100) = 90.476%
或应该是：
(TruePositive / 1000) / [(TruePositive / 1000) + (FalsePositive / 1500)] = 0.95 / (0.95 + 0.067) = 93.44%
在第一次计算中，我采用了原始数据，没有考虑每组中的样本数量，而在第二次计算中，我使用了每个度量在其对应组中的比例，以消除造成的偏差按小组大小
回答所述问题：根据definition，精度由第一个公式计算：TP/(TP+FP)。
但是，这并不意味着你必须使用这个公式，即精度测量。还有许多其他措施，请查看 this wiki page 上的 table，然后选择最适合您任务的一项。
例如，positive likelihood ratio 似乎与您的第二个公式最相似。