Tiene un modelo que clasifica las cosas como pertenecientes a la clase 1 (las denominaremos positivas) o a la clase 0 (las denominaremos negativas). Por lo tanto, cada punto de datos pertenece a una de cuatro clases:
- Verdaderos positivos: predice la clase 1, realmente pertenece a la clase 1
- Verdaderos negativos: predice la clase 0, realmente pertenece a la clase 0
- Positivos falsos: clase 1 predicha, realmente pertenece a la clase 0
- Falsos negativos: predicho clase 0, realmente pertenece a la clase 1
El recuerdo es la fracción de puntos que realmente pertenecen a la clase 1 que el modelo predijo como clase 1, es decir (verdaderos positivos) / (verdaderos positivos + falsos negativos). La precisión es la relación entre los verdaderos positivos y el número total de positivos pronosticados, es decir (verdaderos positivos) / (verdaderos positivos + falsos positivos) o qué porcentaje de la clase positiva predice correctamente.
La definición de recuerdo sugiere que razonablemente podría llamarse la “tasa positiva verdadera” (más fácil de recordar). Luego, de manera análoga, debe haber una tasa de falsos positivos (definida por (falsos positivos) / (falsos positivos + verdaderos negativos)). La curva ROC traza la tasa positiva verdadera (en el eje Y) contra la tasa positiva falsa (en el eje X). (Realmente, la curva ROC está trazando las funciones de distribución acumulativa de cada una de ellas, que es cómo se obtiene una curva en lugar de solo un punto. Ver la respuesta de Samarth Brahmbhatt a El valor de precisión, TP / TP + FP es un solo número. Recordar = TP / TP + FN también es un número único. ¿Qué es entonces una curva de recuperación de precisión?)
- ¿Qué es el análisis de componentes principales en términos de super laicos?
- ¿Qué es exactamente el sobreajuste? ¿Por que sucede? ¿Cómo afecta a mi modelo?
- ¿Qué es la transformación logarítmica en el análisis de regresión?
- Cómo numerar los clústeres en la agrupación jerárquica de documentos en Python
- ¿Cuál debería ser el primer paso para aprender IA y aprendizaje automático?
