La precisión puede verse como una medida de calidad y el recuerdo como una medida de cantidad. Una mayor precisión significa que un algoritmo devuelve resultados más relevantes que los irrelevantes, y una alta recuperación significa que un algoritmo devuelve la mayoría de los resultados relevantes (ya sea que también se devuelvan los irrelevantes o no).
- ¿Qué es una buena puntuación de precisión y recuperación??
- ¿Qué le dice una curva de recuperación de precisión??
- ¿Qué es una puntuación F1 aceptable??
- ¿Cómo se interpreta una puntuación F??
¿Qué es una buena puntuación de precisión y recuperación??
La alta precisión se relaciona con la baja tasa de falsos positivos. Tenemos 0.788 precisión que es bastante buena. Recuperación (sensibilidad): la recuperación es la relación entre las observaciones positivas predichas correctamente y todas las observaciones de la clase real: sí.
¿Qué le dice una curva de recuperación de precisión??
Las curvas de precisión-recuperación resumen la compensación entre la tasa positiva verdadera y el valor predictivo positivo para un modelo predictivo que utiliza diferentes umbrales de probabilidad.
¿Qué es una puntuación F1 aceptable??
Una puntuación F1 se considera perfecta cuando es 1, mientras que el modelo es un fracaso total cuando es 0 . Recuerde: todos los modelos son incorrectos, pero algunos son útiles. Es decir, todos los modelos generarán algunos falsos negativos, algunos falsos positivos y posiblemente ambos.
¿Cómo se interpreta una puntuación F??
Si obtiene un valor f grande (uno que sea mayor que el valor crítico F encontrado en una tabla), significa que algo es significativo, mientras que un valor p pequeño significa que todos sus resultados son significativos. El estadístico F simplemente compara el efecto conjunto de todas las variables juntas.