知识卡片
类别不均衡时准确率会误导
TP/FP/FN/TN应按既定相关性真值与预测组合计数;P分母含预测正项、R分母含真实正项。示范:1000文档仅10篇相关,全部判无关可有99%准确率,却漏掉全部10篇,召回为0,精确率分母还为空。这是规则演算,不是测试结果,说明大量TN不能证明找到了所需信息;业务应按漏检与误报目标选指标。
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10章 NLP系统评估:性能分析 10.3 错误识别指标 · 查看原书依据
True Negative
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10章 NLP系统评估:性能分析,spine064单元009;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/text00063.html。
- 结论依据:原文四类错误与P/R公式提供计数依据;1000/10例为明确教学假设,帮助解释基数影响,不冒充原书实验。未在本机运行示例或改变环境。
- 原始内容:识别为相关文档的相关文档集。 真负 ( True Negative , TN ):它可以被定义为被正确识别为无关文档的无关文档集。 假正 ( False Positive , FP ):它也被称为错误类型I,是被错误地识别为相关文档的无