知识卡片

普通读书笔记卡 · 9774.d · 生成模型:DeepSeek-V4.1-Flash

精确率与召回率各答一问

理解等级:中级

把预测概率按 0.5 切开,测试集的结果分成四格:真正例、假正例、真负例、假负例。精确率 = 真正例 /(真正例 + 假正例),回答“我判成付费用户的人里,有多少真的是”;召回率 = 真正例 /(真正例 + 假负例),回答“真正的付费用户里,我抓到了多少”。两者回答不同问题,只看一个会被误导:把所有样本都判为付费,召回率可以满分,精确率却极低。本例精确率 75%、召回率 80%,作者认为在数据很少的情况下尚可。另外,0.5 这个切点本身是人为选择的,移动它会在这两个指标之间换位。

这张卡片看不懂?

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16章 逻辑回归 · 查看原书依据

      模型有 75% 的精确率(“预测付费用户时,有 75% 的情况是正确的”)和 80% 的召回率(“当用户拥有付费账户时,我们正确预测了 80% 的付费用户”),考虑到我们只有很少的数据,这个结果还不错。

    参考来源

    - 位置:《数据科学入门(第2版)》第16章 逻辑回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0020.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「模型有 75% 的精确率(“预测付费用户时,有 75% 的情况是正确的”)和 8……」 - 原始内容:模型有 75% 的精确率(“预测付费用户时,有 75% 的情况是正确的”)和 80% 的召回率(“当用户拥有付费账户时,我们正确预测了 80% 的付费用户”),考虑到我们只有很少的数据,这个结果还不错。