回答情况：
提问时间：
问题标签：
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)(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
在信息检索的背景下，像这样的一些论文谈到了聚合精度-召回曲线(参见图3)。这些曲线与Precision-Recall曲线有什么不同？这篇文章的作者似乎对这两种曲线有所不同，因为他们将图4中显示的曲线描述为精确召回曲线，而不是聚合的精确召回曲线(参见4.5节)。
浏览 0提问于2017-04-24得票数 0
1回答
1)用3个月数据对模型进行训练(T)3)计算验证集的准确性、准确性和召回率。这就是我现在测量我的模型的方法：对于精确和召回，我为每个用户度量了两个度量标准，然后我找到了所有用户的平均精确性和召回率：召回前5条建议的：正确的建议/用户在30天内购买的已知产品
浏览 3提问于2017-12-06得票数 0
回答已采纳
我有三个精确度和召回率的值，如下所示：precision= 0.58 recall= 0.52上面的值显示当精度为0.4时，召回率为0.45，反之亦然，我想将这些结果绘制在一个图形中，该图形应该显示精度和召回值相对于彼此的增加和减少。我想在一个单独的图表中显示这些值的结果，它应该显示3条不同颜色的曲线(线)，用于不同的表示。
浏览 0修改于2015-05-12得票数 0
我想知道当指定多个阈值时如何计算召回。下面是来自的描述片段
阈值：(可选)浮点值或浮阈值的python列表/元组。将阈值与预测值进行比较，以确定预测的真值(即高于阈值为真，低于为假)。如果既没有设置阈值，也没有设置top_k，则默认情况是使用thresholds=0.5计算召回。我试图传递一个包含3个阈值的列表，按照我预期的描述，将生成3个召回值(即每个阈值一次召回)，但它不是这样工作的，只生成了一个召回度量。
浏览 5修改于2019-09-20得票数 1
我正在寻求建议，以增加我对少数族裔班级的召回。1. Total rows: 1,266,2673.为了在不平衡的数据集中增加召回，我尝试了：2.SMOTE (highest recall 0.77, but precision at 0.05)
3. Diff
浏览 0修改于2022-08-06得票数 1
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
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
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
我必须计算精确和召回的大学项目，以衡量质量的分类输出(与学习)。y_true = 0，1，2，1，1
混淆矩阵：
我读过关于它的文章，在二进制设置下，这个定义对我来说是有意义的，但是有了3个标签如果我使用sklearn.emeics.精准/召回分数，那么两者都是0.4 (平均=微)。
至于精度，这有点道理，因为五分之二的分类是正确的。但我在解释召回的0.4结果时遇到了问题。
浏览 0提问于2018-05-23得票数 5
回答已采纳
我们想找出每个类的召回、精确度量。我们发现在tf.keras.metrics中有内置的精确性和召回度量。但这些指标似乎只适用于二进制分类。output = Dense(3, activation='softmax')(attention_mul)m.update_state([0
浏览 8修改于2022-09-01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
S1=T1的地面T标签，S2=T3的地面T标签S1和S2的召回@1的结果应该是0+0=0(因为S1和S2没有最高的T级分数)。同样，S1和S2的召回@2结果应该是0+0=0(因为S1和S2的前2名结果仍然不包含基本T标签)。
最后，S1和S2的召回@3结果应该是1+1=1(因为S1和S2的前3项结果现在包含了基本T标签)。
浏览 26修改于2018-12-15得票数 4
回答已采纳
我目前正在处理一个ML分类问题，我正在使用sklearn库的以下导入和相应的代码计算精度、召回和sklearn。average='weighted'))0.8806451612903226, 0.8806451612903226, 0.8806451612903226
对于ML分类问题，是否有可能获得所有3种类型的精度、召回和F1值？
浏览 0提问于2019-01-07得票数 15
回答已采纳
在精确回忆曲线下，我迷失在召回值与面积之间的关系中。我使用二进制分类器对不平衡的数据集进行分类。我通过默认的sklearn python包记录了查准率-召回曲线下的召回值和区域。召回: 0.629，auc查全率: 0.8828召回: 0.8426，auc查全率: 0.884为什么召回值提高而精确召回曲线不变？
浏览 1修改于2021-02-26得票数 0
-精度: 0.6652 -召回:0.6652-损失: 0.5987 -准确性: 0.0000e+00 -精度: 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 -精度: 0.6671 -召回:0.6671- ETA: 22s -丢失: 0.5969 --准确性: 0.0000e+00 : 0.6681 -召回: 0.50 - ETA: 22s -损失: 0.5
浏览 2提问于2020-11-15得票数 0
回答已采纳
与Outlook和Exchange兼容的“召回消息”响应的主题行和内容是什么？
我正在制作一个第三方应用程序，我想正确地处理消息召回，并想知道我的应用程序应该如何响应该召回消息。
浏览 0修改于2015-02-17得票数 3
回答已采纳
Confusion Matrix :
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
下午好，<code>A0</code><code>A1</code><code>A2</code><code>A3</code>感谢您的帮助！
浏览 28修改于2021-06-11得票数 0
回答已采纳
根据这这样的资源，在"k“处的召回是以正示例的数量为界的，因此在评估严重不平衡的类的成功时，它不是一个有用的度量。对我来说也是这样: K的精度也受到K的正例子数的限制，我们一共有100个例子，只有3个是正例子。如果我们给这些场景2:我们选择k=3，那么，K的精度是3/3 = 1.0！，k的
浏览 0提问于2017-06-14得票数 0
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