查准率和召回澄清

Question

我正在阅读凯莱赫等人所著的“预测数据分析的机器学习基础”一书。我遇到了一些我认为是错误的事情，但我想确认一下。在解释精确性和回忆性时，作者写道：

电子邮件分类是一个很好的应用场景，其中不同的信息提供的查准率和召回是有用的。精确值告诉我们，真正的火腿电子邮件被标记为垃圾邮件的可能性有多大: 25% (1−精度)。另一方面，回忆告诉我们垃圾邮件被系统漏掉的可能性有多大，并最终出现在我们的收件箱中: 33.333% (1次−召回)。

精度定义为：TP \over {TP + FP}。因此：

1 - precision = 1 - {TP \over TP+FP} = {FP \over TP + FP} = P(\textrm{prediction incorrect}|\textrm{prediction positive})

因此，这应该给我们的概率，一个电子邮件标记为火腿(积极预测)实际上是垃圾邮件。那么，上述报价中的精确性和召回是否应该被转换？

Answer 1

作者很可能假设垃圾邮件类是正的，而您则直觉地将ham类与正类关联起来。在我看来，这两种选择都有意义：

• 前一种解释是基于这样一种想法，即任务的目标是检测垃圾邮件，这被看作是人们感兴趣的一类。
• 后一种解释认为，火腿电子邮件是“好邮件”，是我们想要的，因此是“积极”类。

在阅读这一段时，只要考虑到作者的解释，就没有任何错误。这种混淆说明了为什么在二进制分类问题中，应该始终明确地定义哪些类为正类:)