回答情况：
提问时间：
问题标签：
1-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行网格搜索。网格搜索应找到最适合调用的模型。这个模型的召回率比精确度好多少？(计算召回-精度到小数点后3位)2-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行网格搜索。这个模型的精确度比召回好多少？(计算精度-召回到小数点后3位)
(使用y_test和X_test计算精度和召回率。)
浏览 0提问于2019-02-01得票数 1
2回答
我的目标是获得多少相同的值，以保证召回和精度，为此，我使用了class_weight函数的RandomForestClassifier参数。当用class_weight = {0:1，1:1}来拟合随机森林时(换句话说，假设数据集不平衡)，我获得：当我将class_weight更改为{0:1，1:10}时，我获得：因此，召回和精确值几乎没有变化(即使我从<em
浏览 1修改于2018-11-01得票数 1
回答已采纳
我把数据分为测试和训练，计算精确性和召回率。在测试中，随机选择了超过10K的用户。我能够找到一个个人用户的精确性和召回。
我想知道:聚合的精确性和召回有什么实际意义吗？
浏览 4修改于2016-01-01得票数 1
IoU=0.50:0.95、area=medium、maxDets=100 = 0.317平均召回(AR) @ IoU=0.50:0.95 \ area= all \x maxDets= 1= 0.303平均召回率(AR) @ IoU=0.50:0.95 \ area=所有的_(_
平均召回
浏览 0提问于2019-01-08得票数 2
我试图在10倍交叉验证中获得正负类的精确度和召回率的平均值。我的模型是一个二进制分类器。 'f1_score' : make_scorer(f1_score)}
results = cross_validate(model_unbalanced_data_10_times_weight, X, Y, cv=10<
浏览 17修改于2020-02-11得票数 0
回答已采纳
我想部署XGBoost (在R中)，并达到最好的精确度和召回。为了处理不平衡问题，我尝试了正面类的重采样，以及正类的XGB高权重。然而，尽管召回率很高，但精确度很低(约0.10)。My参数调优用于XGB:参数间隔: max_depth = 3-10λ=0- 50γ=0 -10 min_child_weight =1 -10 eta =0.01-0.2 0
然后，我尝试了随机森林与上采样数据集，它表现惊人的召回0.88和精度0.7
浏览 0提问于2022-01-06得票数 6
回答已采纳
我有20乘20大小的彩色图像，目的是：另一张图像(召回/检索B1)
更新:用于测试来自名为patches.mat的数据库的图像与自身
浏览 1修改于2016-02-06得票数 0
回答已采纳
书中给出的实例表明，虽然结果不包括所有相关文档，但曲线将召回值绘制为1，表明所有相关文档都可以检索。这样的例子在Baeeza的现代信息检索书和其他许多书中都有。
浏览 4修改于2022-10-13得票数 0
, metrics=metrics)
model.fit(X_train, y_train, epochs=10: 0.6659 -召回: 0.49 - ETA: 22-损失: 0.5974 -准确性: 0.6673 -召回: 0.49 - ETA: 22s -损失:0.5964 -精度: 0.0000e+00+00-精密度: 0.6678 -召回: 0.6678 - ETA: 22s -损失: 0.5952 -
浏览 2提问于2020-11-15得票数 0
回答已采纳
1 0.60 0.75 0.67 4
avg / total 0.72 0.70 0.70 10从公式精度=真阳性/(真阳性+假阳性) 4/(4+2) = 0.667 但这是在召回中。计算召回率的公式是真阳性/(真阳性+假阴性) 4/(4+1) = 0.80 我看起来没什么区别。
浏览 18提问于2019-12-31得票数 0
使用，可以通过在属性文件中设置选项来使用交叉验证，例如，这用于10倍交叉验证：printCrossValidationDecisions=trueshuffleSeed=1在Weka中，默认情况下，经
浏览 2提问于2016-04-01得票数 1
回答已采纳
我试图清楚地了解各种分类指标，包括知道什么时候选择ROC/AUC，而不是选择精确/召回曲线。这本书演示了一个不平衡的二进制分类问题的ROC和PR曲线，其中目标类大约是90% 0和10% 1。一般来说，我理解为什么精确性和召回对于不平衡的分类问题是有用的。对于这样的问题，精确性是高度偏颇的。然而，在观察中华民国曲线的轴线时，真实的阳性率(TPR，召回)是与假阳性率相对应的。X轴(FPR)值越高，FPs越多.Y轴(TPR)值越低，FN越多.这似乎与精确召回曲线类似，其中y轴(精度)值越低，
浏览 0修改于2022-01-08得票数 4
回答已采纳
使用下面的精度召回图，其中召回在x轴上，精度在y轴上。我可以使用这个公式来计算给定精度，召回阈值的预测次数吗？这些计算是基于橙色趋势线的。在召回值为0.2时，有(0.2 * 100) = 20个相关实例。在召回值为0.2时，精度= .95，因此真阳性数(20 * .95) = 19。这是从精度召回图计算真阳性数的正确方法吗？
浏览 111修改于2019-03-14得票数 6
www.kaggle.com/code/imgremlin/4th-place-in-fraud-detection-from-zindi我是否可以调整SciKit算法，使其优化以便于召回？
浏览 0提问于2022-10-11得票数 0
但我不明白为什么召回的价值为基本增长(如我所预期)，但召回溢价下降。精度值也是一样的。下面是我的结果:基本和高级是我的类标签的值真正的基础类召回: 91.83%的类精确性: 81.18%用K=2真高级级召回: 32.87%的类别精确度: 45.20%
浏览 0修改于2019-11-12得票数 1
回答已采纳
我想回答这个问题：“网格搜索应该找到最适合召回的模型。这个模型的召回比精确性要好多少？”所以我做了gridSearchCV：grid_m_re = GridSearchCVgrid_m_re.best_params_)这告诉我最好的模式是gamma=0.001
浏览 1提问于2018-02-28得票数 1
回答已采纳
精确度优化了假阳性和召回假阴性。最后，应该考虑的企业的成本目标是什么。就像医院一样，你可能想要一个具有高召回率(低假阴性率)的算法，因为错过识别恶性肿瘤的成本比必须对这些错误警报进行更多调查的成本更高。
但是，什么仍然被认为是像样的精确度/召回率指标？比如我有一个二进制分类算法，它的精度是0.34，但召回率是0.98。即使业务目标有利于优化错误否定(高召回率)，这是否可以考虑这样的算法，虽然有利于高召回率，但具有较差的精确度价值。
浏览 4提问于2019-04-16得票数 0
对于时间序列异常检测的评价，哪一个更好，精度/召回/F1还是ROC-AUC？如果我使用精确/召回/F1，是否应该只对正类检查精度/召回/f1？我认为由于阳性样本的数量很少，所以只对正类检查精确度/召回/F1是不合适的
因此，我应该检查正类和负类的精确/召回&#x
浏览 0提问于2021-06-23得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号