回答情况：
提问时间：
问题标签：
采用K值不同的K近邻算法，精度提高，K=5后精度下降。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
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
我测量回忆的方法正确吗？召
浏览 3提问于2017-12-06得票数 0
回答已采纳
我在写论文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？在对这一问题进行实证研究时，我发现一些论文使用的是精确/召回/F1，有些论文使用的是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
浏览 0提问于2021-06-23得票数 2
回答已采纳
我有一个旧的诺基亚手机，其中包含一个诺基亚BL-5C电池。
诺基亚在2007年召回了4000万BL-5C电池。他们开发了一个电池检查网络应用程序，可以告诉你电池是否被召回。
浏览 0修改于2017-12-14得票数 0
回答已采纳
我已经通过改变阈值并计算召回率和精确度来计算召回率-准确率曲线的点数。我已经尝试过了：r = polyval(p, recall')plot(recall', r, '-');但问题是，我必须估计多项式的次数(在本例中为5)。
浏览 3提问于2013-03-20得票数 1
我有一个100,000的训练样本(有5个特征) (90,000分类为'0‘，其余分类为'1')对提高查准率/召回率有什么建议吗？
浏览 0提问于2018-09-22得票数 0
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
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
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
例如，我最好的模型可能是0级召回率为0.98，1级召回率为0.28，总召回率为0.91，因为0级的数量比1级的数量多很多。我更喜欢选择0级召回率为0.93，1级召回率为0.58，总体召回率为0.85的模型。100,200,300,400],
extra_tree_Grid = GridSearchCV(et, param_grid, cv = 5,scoring = "f1&q
浏览 2修改于2016-12-04得票数 0
有没有什么简单的方法可以交叉验证分类器，并立即计算精度和召回率？目前我使用的函数是然而，它只计算一个指标，所以我必须调用它2次来计算精度和召回率。
浏览 0提问于2015-06-06得票数 8
假设集合中相关文档的总数为4，则计算前1、2、3、4、5和6个结果的两个引擎的精确度召回值。搜索引擎A的解决方案是：召回:------25%--|--25%--|--25%--50%--|我知道如何计算单个文档，精度= TP/(TP+FP)，召回率是
浏览 1修改于2016-03-12得票数 0
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
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0.73 (在测试数据集)。
浏览 0提问于2022-01-06得票数 6
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
根据本文发布的页面BCubed查准率和召回率，F1测度计算是评价聚类性能的最佳方法。请参阅
据我所知，我们计算了每一项的精确性和召回量，然后取其总和的平均值？
gray: 4/7
so average precision is : (4/4 + 4/6 + 1/7 + 1/7 + 1/7) / <e
浏览 1修改于2019-11-12得票数 2
使用python 3.7和tensorflow 2.1.0，我想知道如何在精确性和召回性都更好的时候保存最好的模型。 mode="max", save_freq="epoch",class_weight={0:0.75, 1:1.5},
call
浏览 1提问于2022-10-29得票数 0
G-度量(或Fowlkes-Mallows索引)是几何的平均值精度和召回的平均值。F1 (谐波) $= 2\cdot\frac{精度\cdot召回}{精确+召回}$算术$= \frac{精确+召回}{2}$
我问这个问题的原因是，
浏览 0修改于2018-08-12得票数 12
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(AR)
浏览 0提问于2019-01-08得票数 2
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