如何计算查准率和召回

Question

数据库和分类规则，如何计算精度和召回？

MinSupp=3% vàMinConf=30%

No. outlook temperature humidity    windy   play
1   sunny       hot     high        FALSE   no
2   sunny       hot     high        TRUE    no
3   overcast    hot     high        FALSE   yes
4   rainy       mild    high        FALSE   yes
5   rainy       cool    normal      FALSE   yes
6   rainy       cool    normal      TRUE    no
7   overcast    cool    normal      TRUE    yes
8   sunny       mild    high        FALSE   no
9   sunny       cool    normal      FALSE   yes
10  rainy       mild    normal      FALSE   yes
11  sunny       mild    normal      TRUE    yes
12  overcast    mild    high        TRUE    yes
13  overcast    hot     normal      FALSE   yes
14  rainy       mild    high        TRUE    no

规则发现：

1：(展望，阴天) -> (播放，是) Support=0.29，Confidence=1.00，正确的Classify= 3，7，12，13

2：(湿度，正常)，(刮风，假) -> (播放，是) Support=0.29，Confidence=1.00，正确的Classify= 5，9，10

3：(天气晴朗)，(潮湿，高) -> (玩，不) Support=0.21，Confidence=1.00，正确的Classify= 1，2，8

4：(展望，下雨)，(刮风，假) -> (玩，是) Support=0.21，Confidence=1.00，正确的Classify= 4

5：(天气晴朗)，(潮湿，正常) -> (玩，是) Support=0.14，Confidence=1.00，正确的Classify= 11

6：(展望，下雨)，(刮风，真实) -> (玩，不) Support=0.14，Confidence=1.00，正确的Classify= 6，14

谢谢。

Answer 1

我认为你需要知道的所有关于精确性和召回的信息都可以找到这里。

简单地说，精确是指您的系统检索到多少实际正确的结果，或者您的系统指出了多少个结果是正确的。以同样的方式，回想一下系统检索到的实际更正结果的数量/数据集中中可用的实际更正结果的总数。