যথাযথ গড়করণ এবং ক্রস বৈধতা ব্যবহার করার সময় স্মরণ করিয়ে দেওয়া

আমি 2-শ্রেণীর লেবেলযুক্ত ডেটার জন্য একাধিক শ্রেণিবদ্ধ ব্যবহার করে শ্রেণিবিন্যাস সম্পাদন করেছি এবং আমি 5-पट ক্রস বৈধতা ব্যবহার করেছি। প্রতিটি ভাড়ার জন্য আমি tp, tn, fp, এবং fn গণনা করেছি। তারপরে আমি প্রতিটি পরীক্ষার জন্য নির্ভুলতা, নির্ভুলতা, পুনরায় কল এবং এফ-স্কোর গণনা করেছি আমার প্রশ্নটি হল, যখন আমি ফলাফলগুলি গড় করতে চাই, আমি যথার্থতার গড় নিয়েছি, তবে আমি কি যথার্থতা, পুনরায় কল করতে এবং এফ-স্কোরকেও গড় গড় দিতে পারি? নাকি এটি গাণিতিকভাবে ভুল হবে? পিএস প্রতিটি ভাগে ব্যবহৃত ডেটাসেটগুলি প্রতি শ্রেণীর উদাহরণগুলির সংখ্যার ক্ষেত্রে সুষম হয়।

ধন্যবাদ।

classification cross-validation precision-recall

— Kalaji
সূত্র

ক্রস-বৈধতা ব্যবহার করে এফ-পরিমাপ (নির্ভুলতা এবং পুনরুদ্ধারের সুরেলা গড়) গণনা সংক্রান্ত আপনার একই সমস্যার মুখোমুখি হয়েছি। ইন এই কাগজ তারা আসলে সম্পূর্ণ সেটে এফ পরিমাপ কম্পিউটিং এবং গড় না যে দেখায়, কম পক্ষপাতমূলক পদ্ধতি। আমি আশা করি এটি সাহায্য করতে পারে

— পাপাফে

@ মার্কুসিয়ান দয়া করে এটি একটি উত্তর হিসাবে যুক্ত করুন! এটি এখন পর্যন্ত এই পৃষ্ঠার সবচেয়ে গুরুত্বপূর্ণ জিনিস !!

— drevicko

-score, তখন আপনি স্বাভাবিক সংজ্ঞা ব্যবহার করছেন অভিমানী, ইতিমধ্যে স্পষ্টতা এবং রিকল একটি সংমিশ্রণ। বিশেষত, এটি তাদের সুরেলা মাধ্যম। অন্য কথায় এটি এমন একটি সিস্টেমের 'কার্যকারিতা' ক্যাপচার করার জন্য যথার্থতা এবং পুনরায় স্মরণে ব্যবহারকারী সমান ওজন রাখে। একটা এক্সটেনশন, নামক স্কোর, যা দেয় স্পষ্টতা চেয়ে রিকল গুণ বেশি ওজন। উপর অন্যদিকে, যদি আপনি জিজ্ঞাসা করছেন যে আপনি গড় 5 করতে পারবেন কিনা? $F$

F_{1} = 2 \cdot \frac{precision \cdot recall}{precision + recall}

$F_1 = 2\cdot\frac{\textrm{precision} \cdot \textrm{recall}}{\textrm{precision} + \textrm{recall}}$

F_{β}

$F_\beta$

β

$\beta$

F_{β} = (1 + β^{2}) \frac{precision \cdot recall}{(β^{2} \cdot precision) + recall}

$F_\beta = (1+\beta^2) \frac{\textrm{precision} \cdot \textrm{recall}}{(\beta^2 \cdot\textrm{precision}) + \textrm{recall}}$

F

$F$ স্কোর (প্রতিটি ভাঁজ থেকে একটি), তারপরে উত্তর হ্যাঁ। প্রকৃতপক্ষে, এটি কোনও সিস্টেমের পারফরম্যান্সের রিপোর্ট করার সাধারণ উপায়!

ক্লাসিফায়ারদের সাধারণীকরণ ত্রুটি সম্পর্কে তথ্য নির্ধারণের জন্য এই মানগুলি ব্যবহার করে কিছু সমস্যা রয়েছে তা কেবল সচেতন হন। উদাহরণস্বরূপ, একটি মধ্যে -test এক ক্লাসিফায়ার জন্য স্কোর এবং অন্য ক্লাসিফায়ার স্কোর খুব আশাবাদী হতে যাচ্ছে। $t$ $F$ $F$

— ম্যাট ক্রাউস
সূত্র

হ্যাঁ, আমি প্রথম সূত্রটি ব্যবহার করেছি। এর অর্থ হ'ল বিভিন্ন পরীক্ষাগুলি থেকে এফ-স্কোর গড় গড়ে যথার্থতা এবং পুনরুদ্ধারের গড় ফলাফলের অনুরূপ ফলাফল দেয় এবং তারপরে এফ-স্কোর গণনা করে। আমি যে ফলাফল পেয়েছি তা নিয়ে চেষ্টা করেছি এবং এটি প্রায় একই ছিল। ধন্যবাদ।

— কালাজি