«precision-recall» 태그된 질문

나는 거짓 긍정을 갖지 않는 것이 훨씬 더 중요한 이진 분류 문제를 연구하고 있습니다. 많은 거짓 부정이 괜찮습니다. 예를 들어 sklearn에서 많은 분류기를 사용했지만 그중 어느 것도 정밀 리콜 트레이드 오프를 명시 적으로 조정할 수있는 능력이 없다고 생각합니다 (그들은 꽤 좋은 결과를 얻지 만 조정할 수는 없습니다). 조정 가능한 정밀도 …

11 classification  precision-recall 

매우 불균형 한 데이터 집합 (9 % 긍정적 결과)이 있기 때문에 ROC 곡선보다 정밀 회수 곡선이 더 적합하다고 결정했습니다. PR 곡선 아래에서 면적의 비슷한 요약 측정 값을 얻었지만 (관심이 있다면 .49) 해석 방법을 잘 모르겠습니다. 0.8 이상이 ROC에 대한 좋은 AUC라고 들었습니다.하지만 정밀 리콜 곡선에 대한 AUC의 일반 컷오프는 동일합니까?

11 classification  precision-recall  auc 

이것은 F 베타 점수입니다 : 에프β= ( 1 + β2) ⋅ p r e c i s i o n ⋅ r e c a l l( β2⋅ p r e c i s i o n ) + r e c a l lFβ=(1+β2)⋅precision⋅recall(β2⋅precision)+recallF_\beta = (1 + \beta^2) \cdot …

10 machine-learning  precision-recall  model-evaluation 

현재 세 가지 방법을 비교하고 있으며 정확도, auROC 및 auPR을 메트릭으로 사용하고 있습니다. 그리고 나는 다음과 같은 결과를 얻었습니다. 방법 A-acc : 0.75, auROC : 0.75, auPR : 0.45 방법 B-acc : 0.65, auROC : 0.55, auPR : 0.40 방법 C-acc : 0.55, auROC : 0.70, auPR : 0.65 나는 …

10 machine-learning  roc  precision-recall 

리콜은 왜 진정한 부정을 고려하지 않습니까? 진정한 부정이 실제 긍정적 인 것만큼이나 중요한 실험에서 그것들을 비교할 수있는 측정 기준이 있습니까?

10 precision-recall 

1) sklearn의 RandomForest에서 분류 임계 값을 변경하려면 어떻게해야합니까 (기본적으로 0.5라고 생각합니까)? 2) 어떻게 sklearn에서 언더 샘플링을 할 수 있습니까? 3) RandomForest 분류기의 결과는 다음과 같습니다. [[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 평균 / 총 0.75 0.74 …

9 classification  random-forest  precision-recall  unbalanced-classes