回答情况：
提问时间：
问题标签：
2回答
<path stroke-linecap="round" stroke-linejoin="round" stroke-width="2" d="M11 19l-7-7 7-7m8 14l-7-7 7-currentColor">
<path stroke-linecap="round" stroke-linejoin="round" stroke-width="2" d="M13 5l
浏览 4修改于2021-01-23得票数 1
回答已采纳
DIFF-IO 测试200 500 -300 考试2 3-1 最终2 1 邮件4 2 2 共计208 506 -298 表参考-选择头-选择DIFF-选择测试5 7-2 游戏3 3 0 考试0 7-7 最后12 6 总计20 23 -3 表REF-IO头-IO引用-选择头-选择DIFF-选择测试200 500 -300 5 7-2 考试2 3 -1 0 7-7 考试最后2
浏览 0修改于2015-07-14得票数 5
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
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
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
1回答
CEE 3-3-4-7 Example1 WEMEA 1 7-Americas 1-6 Example1 WEMEA 1 7-
浏览 2修改于2017-11-01得票数 0
回答已采纳
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
我正在学习上的bash脚本材料，并停留在示例7-7中：
有一个${filename##*.} != "gz"，这可能意味着$filename没有以.gz结尾，但我在这里不知道##的含义。
浏览 5修改于2017-07-21得票数 3
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
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
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
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
A = [1 2 3; 7 6 5]A-B = [1-3 2-3 3-3; 7-7 6-7 5-7];这就是我想要做的操作。
浏览 2提问于2012-11-16得票数 1
回答已采纳
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
SVM银行.由于数据有偏差，我也对召回感兴趣。我的准确率约为87.95%，但我的召回率约为51%。我想知道如何在不降低准确率的情况下只使用支持向量机来提高召回率。我尝试过不同的class_weights，所以我可以提高召回率高达75.32%，但我的准确率下降到68%，如何在不降低准确率的情况下提高召回率？
浏览 0提问于2020-04-23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