Apa yang dimaksud dengan presisi dan recall dalam data mining?
Apa yang dimaksud dengan presisi dan recall dalam data mining?

Video: Apa yang dimaksud dengan presisi dan recall dalam data mining?

Video: Apa yang dimaksud dengan presisi dan recall dalam data mining?
Video: Bedanya Accuracy, Precision, Recall, dan F1 2024, November
Anonim

Ketika presisi mengacu pada persentase hasil Anda yang relevan, mengingat mengacu pada persentase total hasil relevan yang diklasifikasikan dengan benar oleh algoritme Anda. Untuk masalah lain, trade-off diperlukan, dan keputusan harus dibuat apakah akan memaksimalkan presisi , atau mengingat.

Selanjutnya, apa presisi dan recall dengan contoh?

Contoh dari presisi - Mengingat metrik untuk mengevaluasi kualitas keluaran pengklasifikasi. presisi - Mengingat adalah ukuran keberhasilan prediksi yang berguna ketika kelas sangat tidak seimbang. Dalam pencarian informasi, presisi adalah ukuran relevansi hasil, sedangkan mengingat adalah ukuran berapa banyak hasil yang benar-benar relevan dikembalikan.

Selain di atas, bagaimana cara menghitung presisi dan recall dalam data mining? Misalnya, skor presisi dan daya ingat yang sempurna akan menghasilkan skor F-Measure yang sempurna:

  1. F-Measure = (2 * Presisi * Recall) / (Precision + Recall)
  2. F-Ukuran = (2 * 1.0 * 1.0) / (1.0 + 1.0)
  3. F-Ukuran = (2 * 1.0) / 2.0.
  4. F-Ukuran = 1.0.

Yang juga perlu diketahui adalah, apa itu presisi dalam data mining?

Dalam pengenalan pola, pencarian informasi dan klasifikasi (pembelajaran mesin), presisi (juga disebut nilai prediktif positif) adalah fraksi dari contoh yang relevan di antara contoh yang diambil, sedangkan recall (juga dikenal sebagai sensitivitas) adalah fraksi dari jumlah total contoh yang relevan yang

Mengapa kita menggunakan presisi dan recall?

presisi adalah didefinisikan sebagai jumlah positif sejati dibagi dengan jumlah positif sejati ditambah jumlah positif palsu. Ketika mengingat mengekspresikan kemampuan untuk menemukan semua instance yang relevan dalam kumpulan data, presisi mengungkapkan proporsi titik data yang menurut model kami relevan sebenarnya relevan.

Direkomendasikan: