文章/答案/技术大牛

发布

社区首页 >问答首页 >为什么KNN精度低，但精度高？

问为什么KNN精度低，但精度高？
EN

Stack Overflow用户

提问于 2014-02-04 08:30:50

回答 1查看 4.4K关注 0票数 1

我使用k-nn对20 nn数据集进行了分类，每个类别中有200个实例，其中有80-20次列车测试分割，其中我发现了以下结果

这里的精度很低，但是当精度那么低时，精度又有多高呢？精度公式TP/(TP + FP)不是吗？如果是的话，高精度的分类器需要生成高的真正，这将导致高精度，但是than是如何以太低的真阳性率产生高精度的？

回答已采纳

发布于 2014-02-04 14:42:32

召回率等于真阳性率。文本分类任务(尤其是信息检索，但文本分类也是如此)显示出在查全率和准确性之间的权衡。当精确度很高时，回忆往往是低的，相反。这是因为您可以对分类器进行调优，以将或多或少的实例分类为正实例。分类为正的实例越少，查准率就越高，召回率就越低。

为了确保有效性度量与准确性相关，您应该关注F-度量，即平均回忆和精度(F-度量= 2*r*p / (r+p))。

非懒惰分类器遵循一个训练过程，在这个过程中，他们试图优化准确性或错误。K-NN，懒惰，没有一个训练过程，因此，它没有试图优化任何有效的措施。您可以使用不同的K值，直观地说，K越大，回忆越高，精确度越低，反之亦然。

票数 5

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/21547423

复制

相似问题

问为什么KNN精度低，但精度高？EN