#23. Показатели precision и recall. F-мера | Машинное обучение

Характеристики: True Positive, True Negative, False Positive, False Negative. Вычисление на их основе характеристик precision и recall. Объединение последних в одно числовое значение F-меру.
Инфо-сайт: proproprogs.ru/ml
Телеграм-канал: t.me/machine_learning_selfedu
Диаграмма из Wikipedia: en.wikipedia.org/wiki/Sensiti...

[@mylife-ej8et]

Здравствуйте, спасибо большое за ваши видео, я вам очень сильно благодарен, спасибо что есть на свете такие люди как вы!

[@mylife-ej8et]

Дай бог вам здоровья и всего хорошего

[@user-qj6tk5fw9p]

очень интересно, спасибо))!

[@user-mx1tp7cz4n]

Супер!

[@impellergimpeller5133]

👍👍👍👍👍

[@osvab000]

Иными словами Precision - это как верно мы классифицируем + объекты из помеченных нами как +. А Recall как верно мы классифицировали + объекты среди ВСЕХ + объектов

[@selfedu_rus]

да, если я правильно вас понял )

[@irakliyosiashvili5215]

Здравствуйте, спасибо большое за отличный ролик. Я не совсем понял один момент к коэффициентом b. Пожалуйста обьясние как мы определяем чему изначально равен b? "...Коэффициент b выбираеться следующим образом, если b < 1, то precision если b > 1 , то recall..."

[@YbisZX]

Думаю, чисто эмпирически. При b->0 останется precision, при b->inf останется recall. Можно прикинуть промежуточные значения - какие доли будут учитываться при b=0.5, b=2 и т.п.

[@levi-killer]

Скорее всего, с Fb-мерой напутали: наоборот, если b < 1, то предпочтение recall, иначе - precision.

[@selfedu_rus]

спасибо, поправлю!