定义
- Recall = TP/(TP+FN) , 查全率,反映了被正确判定的正例占总的正例的比重;
- Precise = TP/(TP+FP),反映了被分类器判定的正例中真正的正例样本的比重;
对结果的判断
1. 如果Recall高,Precise 低
说明正类都能被正确预测,但是一部分负类也被预测成了正类
- 分类器的问题:会偏向于预测正类
- 分类器的优点:对负类的预测是靠谱的、可以找回大多数的正类
- 措施:侧重看一下那些被预测为正类的负样本有什么特点、为什么会被预测成负类
2. 如果Recall低,Precise 高
说明预测正类的时候大多数都是正确的,预测负类的时候有问题,有一部分正类被当成负类
- 分类器的问题:会偏向于预测负类
- 分类器的优点:对正类的预测是靠谱的、可以找回大多数的负类
- 措施:侧重看一下那些被预测为负类的正样本有什么特点、为什么会被预测成正类
3. 如果Recall低,Precise 也低
可能是你训练集和测试集的label弄反了。。。
4. 如果Recall高,Precise 也高
恭喜你~~~