Was bedeutet Rückruf beim maschinellen Lernen?

Recall wörtlich ist wie viele wahre Positive wurden abgerufen (gefunden) , dh wie viele der richtigen Treffer wurden auch gefunden.

Präzision (Ihre Formel ist falsch) ist wie viele der zurückgegeben Treffer waren true positiv dh wie viele der gefundenen Treffer richtig waren .

Es ist eigentlich ziemlich einfach.

Präzision in ML ist die gleiche wie in Information Retrieval.

(Wobei TP = Wahr Positiv, TN = Wahr Negativ, FP = Falsch Positiv, FN = Falsch Negativ).

Es ist sinnvoll, diese Notationen für binary classifier zu verwenden, normalerweise ist das "positive" die seltenere Klassifizierung. Beachten Sie, dass die Genauigkeits- / Abrufmetrik tatsächlich die spezifische Form ist, in der # class = 2 für die allgemeinere Konfusionsmatrix gilt .

Auch Ihre Notation von "Genauigkeit" ist tatsächlich Genauigkeit und ist (TP+TN)/ ALL

Ich fand die Erklärung von Precision and Recall aus Wikipedia sehr hilfreich:

Angenommen, ein Computerprogramm zum Erkennen von Hunden auf Fotos identifiziert 8 Hunde in einem Bild mit 12 Hunden und einigen Katzen. Von den 8 identifizierten Hunden sind 5 tatsächlich Hunde (echt positiv), während der Rest Katzen (falsch positive) sind. Die Präzision des Programms ist 5/8, während der Rückruf 5/12 ist. Wenn eine Suchmaschine 30 Seiten zurückgibt, von denen nur 20 relevant waren, während 40 weitere relevante Seiten nicht zurückgegeben wurden, ist ihre Genauigkeit 20/30 = 2/3, während ihr Abruf 20/60 = 1/3 ist.

In diesem Fall ist precision also "wie nützlich die Suchergebnisse sind", und erinnern Sie sich daran, "wie vollständig die Ergebnisse sind" .

In sehr einfacher Sprache: Zum Beispiel wurde in einer Serie von Fotos, die Politiker zeigten, wie oft das Foto des Politikers XY richtigerweise als A. Merkel und nicht als ein anderer Politiker dargestellt?

• Genauigkeit ist das Verhältnis, wie oft eine andere Person erkannt wurde (falsch positive): (richtige Treffer) / (richtige Treffer) + (falsch positive)

• Recall ist das Verhältnis, wie oft der Name der auf den Fotos gezeigten Person falsch erkannt wurde ('request'): (Korrekte Anrufe) / (Korrekte Anrufe) + (falsche Anrufe)