定義
- Recall = TP/(TP+FN) , 查全率,反映了被正確判定的正例佔總的正例的比重;
- Precise = TP/(TP+FP),反映了被分類器判定的正例中真正的正例樣本的比重;
對結果的判斷
1. 如果Recall高,Precise 低
說明正類都能被正確預測,但是一部分負類也被預測成了正類
- 分類器的問題:會偏向於預測正類
- 分類器的優點:對負類的預測是靠譜的、可以找回大多數的正類
- 措施:側重看一下那些被預測爲正類的負樣本有什麼特點、爲什麼會被預測成負類
2. 如果Recall低,Precise 高
說明預測正類的時候大多數都是正確的,預測負類的時候有問題,有一部分正類被當成負類
- 分類器的問題:會偏向於預測負類
- 分類器的優點:對正類的預測是靠譜的、可以找回大多數的負類
- 措施:側重看一下那些被預測爲負類的正樣本有什麼特點、爲什麼會被預測成正類
3. 如果Recall低,Precise 也低
可能是你訓練集和測試集的label弄反了。。。
4. 如果Recall高,Precise 也高
恭喜你~~~