কেন প্রত্যাহারগুলি সত্য negativeণাত্মক বিবেচনায় নেয় না? পরীক্ষাগুলিতে যেখানে সত্য negativeণাত্মকগুলি সত্য ধনাত্মকগুলির মতোই গুরুত্বপূর্ণ, তাদের তুলনামূলক মেট্রিক যা এটিকে বিবেচনায় নেয়?
কেন প্রত্যাহারগুলি সত্য negativeণাত্মক বিবেচনায় নেয় না? পরীক্ষাগুলিতে যেখানে সত্য negativeণাত্মকগুলি সত্য ধনাত্মকগুলির মতোই গুরুত্বপূর্ণ, তাদের তুলনামূলক মেট্রিক যা এটিকে বিবেচনায় নেয়?
উত্তর:
রিক্যাল (নির্ভুলতার সাথে সংমিশ্রণে) সাধারণত এমন ক্ষেত্রগুলিতে ব্যবহৃত হয় যেখানে কেউ প্রাথমিকভাবে ইতিবাচকগুলি খুঁজে পেতে আগ্রহী। যেমন একটি অঞ্চলের উদাহরণ উদাহরণস্বরূপ পারফরম্যান্স বিপণন বা (যেমন ch'ls লিঙ্ক ইতিমধ্যে প্রস্তাবিত) তথ্য পুনরুদ্ধারের ক্ষেত্র।
তাই:
আপনি যদি প্রাথমিকভাবে নেতিবাচক সন্ধানে আগ্রহী হন তবে "ট্রু নেগেটিভ রেট" (ইতিমধ্যে chl দ্বারা প্রস্তাবিত) যাওয়ার উপায়। তবে "নেতিবাচকদের দিকে মনোনিবেশের জন্য নির্ভুলতা" দেখতে ভুলবেন না-যেমন (ie , কারণ অন্যথায় "সত্য নেতিবাচক হার" ভবিষ্যদ্বাণীটিকে "নেতিবাচক" সেট করে অনুকূলিত করা যেতে পারে সমস্ত ডেটা পয়েন্টের জন্য)।
আপনি যদি উভয় নেতিবাচক এবং ধনাত্মক উভয়ের জন্য পুনরায় কল্পনা করতে আগ্রহী হন তবে আপনার "নির্ভুলতা" (আবার chl এর লিঙ্কটি দেখুন) দিকে নজর দেওয়া উচিত। তবে ক্লাস স্কিউ থেকে সাবধান থাকুন (যেমন আপনার নেতিবাচক বা তার বিপরীতে অনেক বেশি ইতিবাচক রয়েছে ... এক্ষেত্রে সমস্ত ডেটা পয়েন্টের জন্য প্রধান শ্রেণীর কাছে পূর্বাভাসটি সেট করে যথার্থতাটি "অনুকূলিতকরণ" করতে পারে)।