无法理解精度和召回率之间的区别
Fail to understand Difference between precision and recall
我正在使用 Weka 进行 class化。我正在使用 Logistic Regression 作为 class 转化器。
这是我从 Weka 得到的输出，
我对 Precision 和 Recall 的定义很困惑。
这里的精度是 0.609 是 class 召回是 0.655 是 class.
如果我们把这两个字写下来就好了，
精度： class 是的精度得分为 60.9% 表示 classifier 标记为属于 [= 的 100 个元组中有 60.9 个元组40=] yes 确实属于 class yes.
Recall：class yes 的召回率为 65.5% 意味着来自 class yes 的 100 个元组中有 65.5 个被标记为这样，但它没有告诉我们有多少其他元组被错误地属于 class yes.
现在召回意味着 class 是的敏感性和 class 否的特异性
灵敏度表示正确识别的正元组的比例。
对我来说，所有这些定义，如精确度、召回率、灵敏度似乎都是一样的。
我想知道这些定义的区别。
公式如下：
Precision = True positive / (True positive + False positives)
Recall = True positive / (True positive + False negative)
在这种情况下，您的 'a' 是正数，'b' 是负数。真阳性意味着您预测 'a' 而实际答案是 'a'。误报意味着你预测 'a'，但实际答案是 'b'，意思是：
精度 = 326 / (326+209) = 0.609
假阴性意味着您预测 'b'，但实际答案是 'a'，意思是：
召回 = 326 / (326+172) = 0.655
总而言之：精确度是整个阳性预测中真阳性的比例。召回率是真阳性占所有实际阳性的比例。
我正在使用 Weka 进行 class化。我正在使用 Logistic Regression 作为 class 转化器。
这是我从 Weka 得到的输出，
我对 Precision 和 Recall 的定义很困惑。
这里的精度是 0.609 是 class 召回是 0.655 是 class.
如果我们把这两个字写下来就好了，
精度： class 是的精度得分为 60.9% 表示 classifier 标记为属于 [= 的 100 个元组中有 60.9 个元组40=] yes 确实属于 class yes.
Recall：class yes 的召回率为 65.5% 意味着来自 class yes 的 100 个元组中有 65.5 个被标记为这样，但它没有告诉我们有多少其他元组被错误地属于 class yes.
现在召回意味着 class 是的敏感性和 class 否的特异性
灵敏度表示正确识别的正元组的比例。
对我来说，所有这些定义，如精确度、召回率、灵敏度似乎都是一样的。
我想知道这些定义的区别。
公式如下：
Precision = True positive / (True positive + False positives)
Recall = True positive / (True positive + False negative)
在这种情况下，您的 'a' 是正数，'b' 是负数。真阳性意味着您预测 'a' 而实际答案是 'a'。误报意味着你预测 'a'，但实际答案是 'b'，意思是： 精度 = 326 / (326+209) = 0.609
假阴性意味着您预测 'b'，但实际答案是 'a'，意思是： 召回 = 326 / (326+172) = 0.655
总而言之：精确度是整个阳性预测中真阳性的比例。召回率是真阳性占所有实际阳性的比例。