？クラスでpositive.negative意味がない場合

Question

はどのようにこれらのメトリックを計算しますが、彼らは単に中立何かを表現しますか？

は、我々はあなたが人を表す2つのクラス（ジョン、アレックス）を持っており、あなたがそれらのいずれかにあなたの新しいインスタンスを分類する分類問題を、持っていること例えばましょう。目的は新しい人がジョンのように見えるか、またはアレックスのように見えるかを見つけることです。次に、どのようにリコールと精度を計算しますか？このような状況では通常

Answer 1

は精度のようなものはありません、することができます（そして、人々は通常行う）であるものをあなたのケースでは、2つの精度を報告する：ジョン 認識の

• 精度を
• アレックスを認識する精度

つまり、各クラスを別々に正の1つとして扱い、複数の精度を報告するだけです。対称であるため、この問題がないメトリック（精度など）があります。 （精度やF1など）非対称のものを使用すると、3つのうちのいずれかを実行する必要があります。

• レポート、複数の値正であるクラスを決定し、「ポジティブ」
• として定義された異なるクラスで各1例えば、クラス、平均精度などの平均精度を報告するなど、上記の結果を集計することができます。

最終的な発言として、すべてのアプローチが答えを出すので、「一般的なやり方」というものはありません別の質問に。あなたは厳密は、あなたのモデルがお答えしようとしている問題が何であるかを定義することができたら、あなたは最良のメトリックを選択することができます。

たとえば、「トレーニングセットと同じデータソースからサンプリングされた、オブジェクトxの前に見たことのない正確な分類の確率を最大にしたい場合」の答えは、の精度またはリコールする。