問題タブ [precision-recall]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - scikit の precision_recall_curve で、しきい値が再現率や精度とは異なる次元を持つのはなぜですか?
精度と再現率がしきい値によってどのように変化するかを確認したい (互いだけでなく)
戻り値：
したがって、それらを一緒にプロットすることはできません。なぜこれが当てはまるのかについての手がかりはありますか？
recommendation-engine - レコメンデーション システムで目標を設定するにはどうすればよいですか?(平均精度、baselineRmse)
ALS アルゴリズムを使用したオフライン レコメンデーション システムの開発を開始しました。システムに関する目標を設定する必要があります。
レコメンドシステムを評価するために使用される基準を知りたいです。私はすでにMAP（平均精度）とbaselineRmseの改善を知っています.
r - マルチクラス モデルの精度、適合率、および再現率
混同行列から各クラスのaccuracy、precision、およびrevokeを計算するにはどうすればよいですか? 埋め込みデータセット iris を使用しています。混同行列は次のとおりです。
トレーニング セットとして 75 個のエントリを使用し、その他のエントリをテスト用に使用しています。
scikit-learn - この不均衡なテキスト分類タスクに scikit-learn を適用するのに助けが必要です
マルチクラスのテキスト分類/分類の問題があります。K相互に排他的な異なるクラスを持つグラウンド トゥルース データのセットがあります。これは、2 つの点でアンバランスな問題です。まず、一部のクラスは他のクラスよりも頻繁に行われます。第 2 に、一部のクラスは他のクラスよりも重要です (それらは一般に相対頻度と正の相関がありますが、かなりまれなクラスもあります)。
私の目標は、単一の分類器またはそれらのコレクションを開発してk << K、関心のあるクラスを高精度 (少なくとも 80%) で分類できるようにすると同時に、妥当な再現率を維持することです (「妥当」とは少しあいまいです)。
私が使用する機能は、主に典型的なユニグラム/バイグラム ベースの機能に加えて、分類されている着信ドキュメントのメタデータに由来するいくつかのバイナリ機能 (電子メールまたは Web フォーム経由で送信されたものなど) です。
データのバランスが取れていないため、マルチクラス SVM のような単一の分類器ではなく、重要なクラスごとにバイナリ分類器を開発することに傾倒しています。
に実装されている ML 学習アルゴリズム (バイナリかどうかに関係なく) は、scikit-learn精度に合わせて調整されたトレーニングを可能にします (たとえば、リコールや F1 ではなく)。そのためにどのオプションを設定する必要がありますか?
scikit-learn特定のクラスの精度指向の分類に最も関連する機能を絞り込むための機能選択に使用できるデータ分析ツールはどれですか?
これは実際には「ビッグデータ」の問題ではありません。約、約 です。トレーニングとテストに使用できるサンプルの総数は約Kです。100k15100,000
どうも
machine-learning - ROC 曲線は良好だが適合率と再現率の曲線が悪い
よくわからない機械学習の結果があります。私はpython sciki-learnを使用しており、約14の機能の200万以上のデータがあります。'ab' の分類は適合率と再現率の曲線ではかなり悪いように見えますが、Ab の ROC は他のほとんどのグループの分類と同じくらい良いように見えます。それを説明できるものは何ですか？
