查准率及召回1

Question

我正在用DNN解决一个问题。有两个输入变量(包括范畴变量)和一个目标变量(二进制变量)。试验数据的准确度为99.95%。我做了交叉验证(10倍)，其准确性为99.96 (+- 0.05)。

在我的结果中，我看到了1.0的精确性和回忆性。我在这里附上了混淆矩阵和分类报告的图片。

Q1。这种行为可以吗？

Q2。当我在相同的参数下再次运行相同的模型时，每次得到不同的混淆矩阵，但精度总是接近99。

​

​

Answer 1

首先，您没有一个纯的1.00 查准率与召回；这只是报告的数字，它被四舍五入到小数点后两位。正如您已经说过的，您的测试精度和交叉验证的准确性都远远超过99.5%，这一阈值为1.00。在2000年，当你的实验错误率低于一个部分时，你就会得到这个结果。

这就引出了这样一个问题:一个受过训练的模型是否有理由拥有如此高的精确度:是的，是的。潜在的准确性取决于数据集中的信息可分离性:是否可能为给定的数据提取一个可分离的空间？只要输出是输入的一个(确定性)函数，您的模型就可以达到100%的精度。您只是有一个数据集，其中(几乎)是可能的。

清楚了吗？