准确率和召回率的区别
Difference between precision and recall
假设一个预测一个人是否喜欢机器学习的模型有 99% 的真阳性率和 1% 的假阴性率，并且一个人喜欢机器学习的概率是 0.5%。被模型预测为积极的人实际上喜欢机器学习的概率是多少？
这可以通过条件概率来解决，假设发生了两个事件，其中事件 1 是您的模型预测 y=1（人喜欢机器学习），事件 2 是喜欢机器学习的概率为 0.5 %。因此，P(Ypred=1) = 99% 和 P(Ytrue=1) = 0.5%。现在，我们必须预测 ypred=1，给定 0.5% 的概率，根据条件概率定理，我们可以将其写为 Ytrue= P(Ypred=1|Ytrue=1) = P(Ytrue=1|Y_pred=1)（将此项视为真阳性）* P(Ypred=1)（我们已经知道此项的值）。所以，P(Ypred=1|Ytrue=1) = 0.5 * 0.99 = 0.495。我想这回答了你的问题。
假设一个预测一个人是否喜欢机器学习的模型有 99% 的真阳性率和 1% 的假阴性率，并且一个人喜欢机器学习的概率是 0.5%。被模型预测为积极的人实际上喜欢机器学习的概率是多少？
这可以通过条件概率来解决，假设发生了两个事件，其中事件 1 是您的模型预测 y=1（人喜欢机器学习），事件 2 是喜欢机器学习的概率为 0.5 %。因此，P(Ypred=1) = 99% 和 P(Ytrue=1) = 0.5%。现在，我们必须预测 ypred=1，给定 0.5% 的概率，根据条件概率定理，我们可以将其写为 Ytrue= P(Ypred=1|Ytrue=1) = P(Ytrue=1|Y_pred=1)（将此项视为真阳性）* P(Ypred=1)（我们已经知道此项的值）。所以，P(Ypred=1|Ytrue=1) = 0.5 * 0.99 = 0.495。我想这回答了你的问题。