多类分类问题的精度与召回率
Precision Versus Recall for Multiclass classification problem
假设我有三个 class 表示我的模型需要 class 化的子宫颈类型。总体目标是预测正确的子宫颈class，以便医疗保健提供者可以为患者提供最合适的宫颈癌治疗。错误class 化子宫颈类型将花费医疗提供者的诊断时间和患者的治疗费用。在这种情况下，准确率比召回率更重要吗？
谨记：
回忆一下： 是真阳性和假阴性的比值。因此，它衡量预测良好的 class 与此 class 的所有样本之间的比率。如果您的目标是识别 class 的所有样本（例如，预测所有患有癌症的人），这很好。
精度： 真阳性与假阳性的比值。因此，它测量预测良好的 class 与预测为 class 的所有样本之间的比率。如果您的目标是避免误报（例如，避免在实际未怀孕时预测女性怀孕），这很好。
在这种情况下，我认为更多地了解错误的后果很重要。如果一个人是 A 型但她被预测为 B 型，是否会有生命危险？有没有哪种类型是最安全的（即使人被误class也没有生命危险）？最危险（有生命危险）？
根据答案，您将能够选择最佳指标。
假设有最安全和最危险的类型，危险类型中的召回会更相关，因为您必须识别所有类型（尽可能多）。
假设我有三个 class 表示我的模型需要 class 化的子宫颈类型。总体目标是预测正确的子宫颈class，以便医疗保健提供者可以为患者提供最合适的宫颈癌治疗。错误class 化子宫颈类型将花费医疗提供者的诊断时间和患者的治疗费用。在这种情况下，准确率比召回率更重要吗？
谨记：
回忆一下： 是真阳性和假阴性的比值。因此，它衡量预测良好的 class 与此 class 的所有样本之间的比率。如果您的目标是识别 class 的所有样本（例如，预测所有患有癌症的人），这很好。
精度： 真阳性与假阳性的比值。因此，它测量预测良好的 class 与预测为 class 的所有样本之间的比率。如果您的目标是避免误报（例如，避免在实际未怀孕时预测女性怀孕），这很好。
在这种情况下，我认为更多地了解错误的后果很重要。如果一个人是 A 型但她被预测为 B 型，是否会有生命危险？有没有哪种类型是最安全的（即使人被误class也没有生命危险）？最危险（有生命危险）？
根据答案，您将能够选择最佳指标。
假设有最安全和最危险的类型，危险类型中的召回会更相关，因为您必须识别所有类型（尽可能多）。