知识卡片
标签去重会改变评估问题
把标签序列转成set,PERSON的多次出现和所有位置全丢失。书中precision=1、recall=2/3、F1=0.8只说明预测出现的两类都在参考三类中,不能说明PERSON识别位置准确或召回2/3实体。做实例/实体评估应保留被评估对象身份;集合指标可用,但集合元素必须就是目标对象。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 字符串操作 1.5 相似性度量 · 查看原书依据
trainset=set(training)
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第1章 字符串操作,spine055单元022;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00054.html。
- 结论依据:原文直接把序列转set再计算三指标,集合仅有类别名,推导其评估口径与实体识别不同。2026-11-06核对官方资料:https://www.nltk.org/_modules/nltk/metrics/scores.html。未在本机运行示例或改变环境。
- 原始内容:666666666666666 >>> trainset=set(training) >>> testset=set(testing) >>> precision(trainset,testset) 1.0 >>> print(recall(trains