回答情况：
提问时间：
问题标签：
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
下表显示了由A和B表示的两个排名的检索搜索引擎返回的前6个结果的相关性。'+‘表示相关文档，'-’表示不相关的文档。Precision:--100%--|--50%--|--33.3%--|--25%--|--40%--|--50%--|回想：----|---25%---|--50%----|--50%
浏览 1修改于2016-03-12得票数 0
precision recall f1-score support
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
1回答
提取器提取24个位置实体，其中6个不正确。精确值和召回值是什么？
如果我错了TP=18，FP=6，FN=6，那么回忆和精确都是.75
浏览 15提问于2022-01-03得票数 0
回答已采纳
我正在寻求建议，以增加我对少数族裔班级的召回。1. Total rows: 1,266,267 - Num of views - Time (categorized into 6 buckets)1. Undersampling (highest recall 0.92, but precision at 0.03)
2.但是，他们都没有显示召回
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
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
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 +BCu
浏览 1修改于2019-11-12得票数 2
我想要计算精度和召回，并从二进制数据集(事件发生/不发生)在R中创建精确召回图。我的数据与下面的示例类似。2 1 1 1#> 4 0 1 1#> 61 1 1
本质上，我的目标是评估pred_1和pred_2的精确性和召回率，以确定与truth (标准)相比的“事件”(标识为1)。
浏览 2提问于2022-03-04得票数 0
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
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
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10增加到100，变化也
浏览 1修改于2018-11-01得票数 1
回答已采纳
对于许多分类器，我有一个精确和召回的数据，每个分类器都有4个不同的置信阈值值：0 Model1 0.250.992593 0.9436625 Model2 0.30 0.992647 0.950704
6我想在JupyterLab中创建一个Matplotlib图，并为每个模型添加一个精确召回曲线。另外，请注意，在我的代码中，我试图绘制
浏览 18修改于2021-12-16得票数 0
回答已采纳
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
我正在评估一个使用精确和召回的推荐引擎。到目前为止，我已经用4个不同的数据集对系统进行了评估，精度值分别为0.833、0.857、0.857和0.769。相同数据集的召回值分别为0.448、0.875、0.5504和0.512。如何使用这些结果来评估测试中的推荐引擎？我是否应该在同一数据集上应用标准CF并检查值，或者是否有任何标准的精确和召回基准来对推荐系统进行分类？例如，如果精度是x，召回是y，那么这个算法应该被丢弃还是接受？
浏览 7修改于2016-03-12得票数 1
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