关于recall和precision

最新推荐文章于 2023-06-13 09:12:41 发布

yihao31

最新推荐文章于 2023-06-13 09:12:41 发布

阅读量344

点赞数 1

文章标签：机器学习

本文链接：https://blog.csdn.net/weixin_40373708/article/details/80664211

版权

关于recall 和 precision

x = - b \pm b 2 - 4 a c - - - - - - - \sqrt 2 a

$x=\frac{-b\pm\sqrt{b^2-4ac}}{2a}$
+ C：一个很大item的集合。
+ π：集合中相关的item的集合（π<< 1）。
+ t：算法所识别出的item的集合。
+ h(t)：t中确实相关的item的集合，通常这部分称作命中（相反的是丢失）\
+ 假设

ω ω $\omega$ 是集合

C C $C$ 中随机去取出的一个元素

y = 1

$y=1$ if

ω

$\omega$ is relevant

y′′=1 y ″ = 1 $y^{''}=1$ if

ω ω $\omega$ is detected by the algorithm

y=0 y = 0 $y=0$ otherwise

y′′=0 y ″ = 0 $y^{''}=0$ otherwise
*

Recall=h(t)πRecall=Pr(y′′=1|y=1) R e c a l l = h ( t ) π R e c a l l = P r ( y ″ = 1 | y = 1 ) $Recall = \frac{h(t)}{\pi} \qquad Recall = Pr(y^{''}=1|y=1)$
*

Precision=h(t)tPrecision=Pr(y=1|y′′=1) P r e c i s i o n = h ( t ) t P r e c i s i o n = P r ( y = 1 | y ″ = 1 ) $Precision = \frac{h(t)}t\qquad Precision = Pr(y=1|y^{''}=1)$
*

Precision=Pr(y′′=1|y=1)⋅Pr(y=1)Pr(y′′=1)=Recall⋅πt P r e c i s i o n = P r ( y ″ = 1 | y = 1 ) ⋅ P r ( y = 1 ) P r ( y ″ = 1 ) = R e c a l l ⋅ π t $Precision = \frac{Pr(y^{''}=1|y=1)\cdot Pr(y=1)}{Pr(y^{''}=1)}=\frac{Recall\cdot\pi}{t}$
* Average Precision