相对召回术语

Question

因为在信息检索的成功计算中，查准率与召回是相当标准的度量，分别关系到结果的准确性和结果的综合程度。

但是，回忆值通常要求您知道总共有多少正确的结果(以便能够说明这些结果返回到了多大程度)。当然，这是有问题的，如果你不知道有多少正确的结果在第一。

但假设你有x个结果。您不知道它们与可能返回的正确文档的绝对数量有什么关系，但您确实知道这些结果有多准确。您可以提高这一准确性，但您将失去一些正确的结果在过程中。你可以排除所有的结果，从x栏一，并确保你有100%的准确性，但显然已经有一个戏剧性的下降在相对召回通过这一行动。但是，当你不知道在这个环境中召回的绝对值是什么的时候，与这种“相对回忆”相关的技术上正确的术语是什么？有这样的术语吗？

示例

例如，假设您正在开发一个IR系统，以返回与“使命召唤”电子游戏专营权相关的文章，它将给您以下结果

• http://www.theverge.com/2016/5/2/11564464/call-of-duty-infinite-warfare-release-date-first-trailer
• https://www.theguardian.com/technology/2016/may/03/call-of-duty-infinite-warfare
• http://www.asianage.com/editorial/beyond-call-duty-943
• http://europe.newsweek.com/chinas-military-attempts-attract-millennials-call-duty-inspired-recruitment-455425?rm=eu
• http://www.breitbart.com/video/2016/05/16/call-duty-black-ops-iii-eclipse-multiplayer-trailer/
• http://www.journalgazette.net/news/local/courts/County-residents-getting-bogus-jury-duty-calls-13146090
• http://www.straitstimes.com/singapore/health/healthcare-workers-who-went-beyond-call-of-duty

现在，您不知道正确文章的绝对数量是多少:但是您确实知道您的IR系统生成的数据集中的数量。以上的准确率为42.85%，相对召回率为100%。削减的清单

• http://www.theverge.com/2016/5/2/11564464/call-of-duty-infinite-warfare-release-date-first-trailer
• https://www.theguardian.com/technology/2016/may/03/call-of-duty-infinite-warfare
• http://www.asianage.com/editorial/beyond-call-duty-943

具有66.66%的精确度，但以牺牲一篇正确的文章为代价，从而影响“召回”。那么，这个所谓的召回的正确术语是什么呢？

Answer 1

在红外系统得到的X结果中，TP、FP、FN、TN分别是试验的真阳性、假阳性、假阴性和真阴性。当你取一个随机的小样本S的x观测(用你的语言削减列表)，值TP和FP降低(p和q)在各自的比率。这是由数值FN和TN中的比例增加(p和q)来补偿的，从而保留了二进制类的实际数量。

TP + FN = (TP - p) + (FN + p)
FP + TN = (FP - q) + (TN + q)
x = TP + FP, s = (TP - p) + (FP - q)

对于一个好的分类器，TP >>> FP。因此，已经最小的FP (在新样本中)的减少，导致了精度的提高。现在，您的“相对回忆”概念出现了，在本例中可以表示为

(TP - p)/(TP+FN + p)

其中TP充当新样本的实际真实观测(地面-真相)。注意: FN是不知道的，因为地面真相标签是不可用的.

召回率的下降是由类型-2错误引起的，它是FN比率(在实际情况下没有将链接报告为使命召唤)，也表示β(beta)。因此，召回率(相对召回率)的下降归因于误差率(失语率)的上升，因为

Recall = 1 - FN Rate