Questions tagged «precision-recall»

我正在研究二进制分类问题，在这个问题上更重要的是不要出现误报。相当多的假阴性是可以的。例如，我在sklearn中使用了一堆分类器，但我认为它们都不具有显式调整精确度调用权衡的能力（它们确实产生了很好的结果，但无法调整）。 哪些分类器的精度/召回率可调？有什么方法可以影响标准分类器（例如，Random Forest或AdaBoost）的精度/召回权衡吗？

11 classification  precision-recall 

因为我的数据集非常不平衡（9％的积极结果），所以我决定精确召回曲线比ROC曲线更合适。我获得了PR曲线下面积的类似汇总度量值（如果您有兴趣，则为.49），但是不确定如何解释它。我听说.8或以上才是ROC的一个好AUC，但是对于精确召回曲线而言，AUC的一般截止点会是一样的吗？

11 classification  precision-recall  auc 

这是F beta得分： Fβ= （1 + β2）⋅ p - [R È Ç 我小号我ö Ñ ⋅ ř Ë Ç 一升升（β2⋅ p - [R È Ç 我小号我Ò Ñ）+ [R Ë Ç 一升升Fβ=（1个+β2）⋅p[RËC一世s一世Øñ⋅[RËC一个升升（β2⋅p[RËC一世s一世Øñ）+[RËC一个升升F_\beta = (1 + \beta^2) \cdot \frac{\mathrm{precision} \cdot \mathrm{recall}}{(\beta^2 \cdot \mathrm{precision}) + \mathrm{recall}} 维基百科文章指出。FβFβF_\beta "measures the effectiveness of retrieval with respect to …

10 machine-learning  precision-recall  model-evaluation 

我目前正在比较三种方法，并且我以Accuracy，auROC和auPR作为指标。我有以下结果： 方法A-acc：0.75，auROC：0.75，auPR：0.45 方法B-acc：0.65，auROC：0.55，auPR：0.40 方法C-acc：0.55，auROC：0.70，auPR：0.65 我对准确性和auROC有很好的理解（要记得很好，我经常想出一个句子，例如“ auROC =很好地表征预测阳性学生的能力”，而并非完全正确的话可以帮助我记住）。我从来没有过auPR数据，而在我了解它是如何构建的时，我无法理解它的背后。 实际上，我无法理解为什么方法C的auPR得分非常高，而准确性和auPR却差/平均。 如果有人能通过简单的解释帮助我更好地理解它，那将是非常不错的。谢谢。

10 machine-learning  roc  precision-recall 

为什么不记得真正的负面因素？在实验中，真阴性与真阳性同样重要，是否将其纳入考量的可比指标？

10 precision-recall 

1）如何更改sklearn中RandomForest中的分类阈值（我认为默认值为0.5）？ 2）如何在sklearn中进行欠采样？ 3）我从RandomForest分类器中得到以下结果：[[1635 1297] [520 3624]] precision recall f1-score support class 0 0.76 0.56 0.64 2932 class 1 0.74 0.87 0.80 4144 平均/总计0.75 0.74 0.73 7076 首先，数据是不平衡的（0级为30％，1级为70％）。因此，我认为分类器更倾向于偏向于类别1，这意味着将类别从类别0转移到类别1（类别0的分类错误为1297，类别1的分类错误为520）。我怎样才能解决这个问题？缩减采样是否有帮助？或更改分类阈值？ 更新：0级人口占40％，而1级人口占60％。但是，从0级到1级（1297）的漂移很高，而我希望它变低。

9 classification  random-forest  precision-recall  unbalanced-classes