2回答
📷还有另外两个问题：“支持”代表什么？分类报告中的查准率和召回分数与sklearn.metrics.precision_score或recall_score的结果不同。为什么是这样？
浏览 0提问于2019-12-08得票数 30
回答已采纳
1回答
我有这段代码，它接受一个目录，以降序排列5个预测，并将其存储在一个文本文件中。关于如何编辑它来计算目录的精度和召回率，有什么建议吗？
提前谢谢。
浏览 6提问于2017-06-27得票数 0
2回答
多类分类器评价
、、
我的问题是，当我用查准率和查全率来评价分类器时，我不明白假阳性和假阴性在多类分类器评估中的意义。
例如，当我对文档进行分类(其实际类别为C1)时，分类器将其分类为C2。(因为真正的答案是C1。)
浏览 5提问于2017-01-25得票数 0
回答已采纳
1回答
嗨，我试图创建一个员工晋升aloghritim，这将有一个高召回率和精确度价值，试图适应我的模型，但得到这个错误请帮助下面是我的协作链接到我的作品到目前为止
import catboost as ctb
浏览 17提问于2019-10-23得票数 0
4回答
在matlab中对分类器的查准率和查全率的计算存在问题。我使用fisherIris数据(包括150个数据点、50-setosa、50-versicolor、50-virginica)。这是我的混淆矩阵： 0 48 2分类正确率为96% (144/150)，但如何利用matlab进行精确计算和回忆，有什么功能吗我知道精度=tp/(tp+fp)和recall=
浏览 11提问于2014-04-07得票数 9
回答已采纳
1回答
我试验了来自卡格尔的欺诈样本。我采取了线性回归和决策树。线性回归按预期工作：我们有很高的查准率和召回率，而抽样不足会使情况更糟。为什么两种模式有这么大的<
浏览 0提问于2017-09-07得票数 1
回答已采纳
1回答
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。在我的例子中，1类是罕见的类，0类是另一类。平衡数据集
浏览 1提问于2021-02-16得票数 0
3回答
为了学习精确性和回忆性，我做了一些搜索，我看到了一些表示精确性和回忆性之间的反比关系的图表，我开始考虑它来澄清主题。我想知道逆关系总是存在的吗？假设我有一个二进制分类问题，并且有正负标记类。训练后，一些实际的阳性例子被预测为真阳性，有些被预测为假阴性，一些实际的负数被预测为真假，有些则被预测为假阳性。为了计算精确性和回忆性，我使用了以下公式：
和Recall = \fr
浏览 0提问于2019-04-11得票数 11
回答已采纳
1回答
我试图使用tensorflow来预测基于timeseries数据集的决策。数据集高度不平衡~90%的时间是对"Wait"的决策。因此，使用accuracy作为度量是没有用的。我需要我的模型专注于正确地识别一个模式，要么是"Fowards"，要么是"Backwards"，所以我实现了以下度量，以查看我认为相关的
浏览 0提问于2021-07-29得票数 1
1回答
有偏数据集的查准率与查全率
、、、、
一个类别有超过95%的标签数据，而另一个类别有5%的标签数据。这两门课很有偏颇。我正在做类验证来评估不同的分类器，我发现如果一个分类器故意对具有多数(95%)标签的类进行预测，即使对其他类的预测结果不准确，从精度/召回来看，很难区分，因为另一个类只有5%的标签数据。下面是我使用的方法/度量(使用精度/召回)。我想知道是否还有其他更好的度量或方法来评估5%的小类？我给5%的小类分配了一个权
浏览 1提问于2016-08-28得票数 1
2回答
我开始使用来评估使用训练的模型。在阅读了各种解释平均精度(mAP)和回忆的资料后，我对茧中使用的“最大检测”参数感到困惑。根据我所理解的(例如、或)，人们通过计算精确性和对各种模型分数阈值的回忆来计算mAP。这给出了查全率曲线，并计算了mAP作为该曲线下面积的近似值。或者，用定义的召回范围内最大精度的平均值(0:0.1:1)来表示。
然而，cocoapi似乎计算出一个给定数量的最高
浏览 5提问于2018-10-16得票数 19
回答已采纳
1回答
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？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？
浏览 4提问于2014-02-04得票数 1
回答已采纳
我正在使用本教程学习如何在MNIST数据集上训练模型：
目前，模型只训练精度，但我想弄清楚F1评分的模型(从精确和召回第一)。不过这是我的问题。我尝试将model.compile中的指标更改为metrics=[tf.keras.metrics.Precision()]，但得到了错误ValueError: Shapes (32, 10) and我还试着通过scikit学习计算精度和回忆，但我的预测与真实的标签不一致。或者，如果有一种方法来增加精确性和召回
浏览 0提问于2021-05-27得票数 0
回答已采纳
1回答
我有一个100万点的数据集和30个特征。输出变量有多个类(1到n)，但我感兴趣的问题仅涉及输出是否属于类1或其他。因此，我把这个问题转化为一个二元分类问题。由于数据量大，使用sklearn的基于直方图的梯度增强分类器提供了一个训练速度快的模型，特别是用于使用交叉验证的超参数调优。
但我意识到我的数据集是不平衡的(10% 1's和90% 0's)。我在基于直方图的梯度增强分类器<e
浏览 0提问于2022-01-06得票数 0
sklearn.metrics.precision_recall_curve需要y_true和probas_pred作为输入。我认为为了计算精度和召回率，我们需要真实标签(y_true)和预测标签(y_predict)。那么为什么sklearn需要probas_pred呢？如何从y_predict获取probas_pred？
浏览 0提问于2020-04-15得票数 0
我得到的精度，回忆和F1评分相同的值。有同样的价值可以吗？在实现决策树和随机森林时，我也遇到了这个问题。在那里，我得到了同样的值，精度，回忆和F1评分。
浏览 3提问于2016-12-08得票数 5
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
