#classification #precision #roc #supervised-learning #precision-recall
#классификация #точность #ОКР #контролируемое обучение #точный отзыв
Вопрос:
Я видел в Интернете, когда люди говорят о проблемах двоичной классификации, они сообщают только об одной точности и одном отзыве для всей модели. (Конечно, имеет смысл сообщать об одной точности). Это имеет смысл, если ваша цель — рак и не рак, поэтому люди, у которых уже есть рак и которые идентифицированы как раковые, являются истинно положительными. Однако подумайте, подумайте, что вы хотите классифицировать людей как мужчин или женщин, и у вас есть матрица путаницы следующим образом :
man 4 2
woman 3 1
В этом случае действительно нет смысла иметь одну точность и вызов для всей системы. Точность и отзыв для мужчин отличаются от женских. Мне интересно, сколько точности и отзыва описано в этом сценарии, поскольку вы также можете посмотреть на истинный позитив с точки зрения женщин (это отличается от случая заболевания)?
Комментарии:
1. Рассматривали ли вы, что PR может оказаться неподходящим инструментом для этой работы? Также это может зависеть от контекста: вы рекламодатель, пытающийся продать тесты на беременность или мужские бритвы для бритья? В обоих случаях у вас были бы четкие критерии положительности.
2. Что плохого в сообщении о двух точных или двух отзывах? по одному на класс?