为什么我的SpaCy v3记分器在精度、召回率和f1方面都恢复为0？
SpaCy是一款流行的自然语言处理（NLP）库，用于进行文本分析和信息提取。在使用SpaCy v3版本的记分器（Matcher）时，如果在精度（precision）、召回率（recall）和F1方面都出现0的情况，可能是由于以下几个原因导致的：
- 数据问题：记分器的训练数据可能存在问题，例如标签不正确或者标注数据不足。确保训练数据的质量和数量足够，以免影响模型性能。
- 参数设置：记分器的参数设置可能需要进行调整。SpaCy v3提供了丰富的参数选项，例如匹配器模式、阈值等，通过调整这些参数可以改善记分器的性能。
- 特征工程：记分器可能没有足够的特征来识别目标。在SpaCy v3中，可以通过自定义特征和规则来提高模型的性能。考虑使用更多的特征和规则来增强记分器的表达能力。
- 模型版本兼容性：确保使用的SpaCy v3版本与记分器的模型版本兼容。不同版本之间的变化可能导致模型性能下降。
针对上述可能的原因，你可以尝试以下方法来解决问题：
- 检查训练数据，确保标签正确并具有足够的样本数量。
- 调整记分器的参数设置，尝试不同的匹配器模式和阈值。
- 添加更多的特征和规则，以提高记分器的性能。
- 确保SpaCy v3的版本与记分器的模型版本兼容。
此外，如果你在腾讯云上使用云计算服务，腾讯云提供了一系列与云计算和人工智能相关的产品，例如腾讯云NLP（自然语言处理）和腾讯云机器学习平台，可以帮助你进行文本分析和模型训练等任务。你可以访问腾讯云官网了解更多产品和服务详情：
- 腾讯云NLP产品介绍：https://cloud.tencent.com/product/nlp
- 腾讯云机器学习平台产品介绍：https://cloud.tencent.com/product/tccli
相关·内容
我正在寻找关于在SpaCy的自定义NER培训中提高召回率的建议(可能是通过超参数或不同的优化器)。 我目前正在训练SpaCy 2.2.3，以提取美国股票报价器作为自定义实体类型。我已经训练了大约40K个带有标记的新闻故事，这些新闻故事中标识了报价器，并尝试了使用默认超参数的默认Adam优化器。 在测试集上，训练了30个时期(尽管我发现它们也与20个时期相似)后的统计数据如下: f1: 0.8024804229439122精度: 0.9800634345265066召回: 0.6793798936575954 我对精确度很满意，但我正在寻找提高召回率的建议。 对调整默认的超参数、优化器或训练方
浏览 15提问于2019-12-21得票数 0
1回答
我正在做一个练习问题，预测一个二元结果。我绘制了一条ROC曲线，找到了未来预测观测的最佳阈值百分比为1，我发现这个阈值总是与我原始数据中等于1的观测百分比相匹配。对此有什么概念上的解释吗？
浏览 0提问于2019-08-11得票数 1
回答已采纳
5回答
在spaCy的NER模型中，有没有一种方法来提取每个实体类型的指标(精确度、召回率、f1分数)？
看起来像这样的东西：
precision recall f1-score support
B-LOC 0.810 0.784 0.797 1084
I-LOC 0.690 0.637 0.662 325
B-MISC 0.731 0.569 0.640 339
I-MISC 0.699 0.589 0.639
浏览 0提问于2018-10-17得票数 12
我已经运行了RandomForestClassifier和MLPClassifier模型，我收到的准确率和f1得分分别为83%和39%，而不是86%和34%。
我的数据集不平衡，一个类中有523个，另一个类中有91个，它有22个特征。当我尝试使用网格搜索交叉验证优化我的模型时，我对两个模型的准确率都略有提高，但我的f1分数下降到0%，这可能是什么原因？
浏览 3提问于2021-03-12得票数 0
2回答
我想用32个预测的蒙版图像和32个真实的蒙版图像做f1评分。我的数据有以下特点：
predicted.shape [32,512,512]
true.shape [32,512,512]
type_of_target(predicted) Unknown
type_of_target(true) Unknown
type_of_target(predicted[0]) Continuous-multioutput
type_of_target(true[0]) Continuous-multioutput
当我运行这一行f1_score(true，
浏览 0提问于2020-04-26得票数 1
我有一个数据集需要在两个模型中进行评估:逻辑回归和决策树。评估这两个模型性能的最佳指标是什么？
浏览 3提问于2015-03-10得票数 0
2回答
我知道F1-measure是精度和召回率的调和平均值。但是，什么值定义了F1度量的好坏？我似乎找不到任何参考资料(谷歌或学术)来回答我的问题。
浏览 0提问于2016-04-19得票数 29
1回答
我想考10个班的ROC。我使用了CNN模型(keras)。我可以得到一条vs rest曲线，但我想要一对一。以下是我的代码片段。 model.compile(optimizer=keras.optimizers.Adam(0.001),
loss='categorical_crossentropy',
metrics=['acc'])
from keras.callbacks import History
history = History()
model.fit_generator(generator=tr
浏览 74提问于2020-12-03得票数 0
sklearn函数中计算的平均精度分数遵循下图所示的公式。
AP = Σ(Rn - Rn-1)Pn *The index value of the sumation is n. Please refer to the attached image for a clear version of the formula
我正在努力完全理解这个函数背后的数学原理。我特别好奇公式中的第n个阈值是如何计算的。阈值的数量是否等于样本的数量？
浏览 3提问于2021-07-20得票数 0
sklearn上有一个评估指标，它是f1- score (也存在f-beta score)。
我知道如何使用它，但我不太明白它代表什么。
当它是大或小时，它表示什么。
如果我们把公式放在一边，我应该从f分值中理解什么？
浏览 3提问于2017-08-30得票数 6
回答已采纳
我正在研究从电影评论数据集中识别方面(显式和隐式方面)。在这里，可以是演员，导演，制作公司，音乐，情节，电影类型等。尽管我搜索了很多，我已经认识到我需要一个NER (名称实体识别)的电影评论数据集。不幸的是，我的数据集没有NER可用。
我的问题是：
我如何评估我的“电影纳”的精确性，召回和F1测量？
为此，我应该使用什么工具？
浏览 3提问于2016-07-22得票数 1
回答已采纳
1回答
是否有可能在Apache中的多类分类问题中找到错误度量(精确和召回)。我正在使用Spark的MlLib中的Logistic回归来构建我的模型，并希望使用错误度量来评估我的模型。
浏览 3提问于2018-07-02得票数 1
2回答
📷
如您所见，它是关于使用linearSVC进行二进制分类的。1级的查全率高于0级(+7%)，0级的查全率高于1级(+11%)。你怎么解释这件事？
还有另外两个问题：“支持”代表什么？分类报告中的查准率和召回分数与sklearn.metrics.precision_score或recall_score的结果不同。为什么是这样？
浏览 0提问于2019-12-08得票数 30
回答已采纳
我试图重构以前非常手动的代码，并为我创建的每个新数据框设置索引，以本质上创建所需的输出：
f1 precision recall
A 0.600315956 0.72243346 0.513513514
B 0.096692112 0.826086957 0.051351351
C 0.085642317 0.62962963 0.045945946
D 0.108641975 0.628571429 0.059459459
下面是我当前的代码：
summaryDF = pd.DataFrame().set_index(['A'
浏览 0提问于2016-07-15得票数 0
我正在尝试在spacy v3中准备一个自定义的ner模型。从训练的角度来看，与v2相比，V3有了很大的变化。 我使用en_web_lg的默认配置。我已经使用convert命令准备了训练数据(training.spacy)。但是，训练命令需要一个dev.spacy文件。 不确定dev.spacy中需要哪些数据。这是在询问training.spacy文件的纯文本语料库吗？但是有没有办法将纯文本文件转换为spacy格式呢？ 来自spacy站点的命令- python -m spacy train config.cfg --output./output--paths.train./Train.spac
浏览 72提问于2021-04-08得票数 1
回答已采纳
1回答
我知道什么？首先，
Precision= \frac{TP}{TP+FP}
Recall=\frac{TP}{TP+FN}
什么书说的？
一种宣称每一张记录都具有高召回率但精度低的模型。
据我所知，如果预测的阳性值很高，精度就会很低。但怎样才能回忆起高，如果预测积极是高的。
一种为训练集中的一个阳性记录指定一个阳性类的模型具有很高的查准率，但召回率很低。
我无法正确理解精确性与回忆之间是怎样的反比关系。
这是我找到的一个文档，但是我也无法从这个文档中理解它。
https://www.creighton.edu/fileadmin/user/HSL/docs/ref/Searching_-_召回
浏览 0提问于2021-07-02得票数 0
回答已采纳
1回答
我知道Recall= TP/ (TP+FN)
假设我考虑分类器的不同上下文的召回值。在一个上下文中，我将classA作为我的积极类，将classB作为我的负面类。在另一个上下文中，我将classA作为我的负面类，将classB作为我的正面类。
在这些上下文中，让R1和R2值成为回调值
R1=TP1/(TP1+FN1)
R2=TP2/(TP2+FN2)
But TP2=FN1 and FN2=TP1
So R2=FN1/(TP1+FN1)
So R1+R2=1
这个论点有什么问题吗?我觉得有问题，因为我看到分类器正在使用recall进行评估。
同样，如果我被要求计算分类器的召回率，它是R1还是R
浏览 0提问于2016-11-08得票数 0
我正在使用Indri和TrecEval，我想知道我们是否可以使用F-measure，精度，召回率，以及排名检索结果。
如果是，F度量是什么.将意味着什么？这些值是否有某种相关性，比如评估查询是否接近语料库？
我知道map值是用来评估排名结果的。但我想知道如果F-measure..。可能对其他东西有用。我对此感到困惑，我做了一些研究，但有些东西我不明白。
谢谢你的帮助。
浏览 1提问于2018-03-18得票数 0
2回答
在信息检索的背景下，像这样的一些论文谈到了聚合精度-召回曲线(参见图3)。这些曲线与Precision-Recall曲线有什么不同？这篇文章的作者似乎对这两种曲线有所不同，因为他们将图4中显示的曲线描述为精确召回曲线，而不是聚合的精确召回曲线(参见4.5节)。
浏览 0提问于2017-04-24得票数 0
1回答
我正在为一个计算机视觉模型实现一个平均平均精度(mAP)度量，该模型输出多个类的边界框，我需要帮助理解如何处理一些边缘情况。
由于我的问题的性质，这是一个计算机视觉问题可以忽略不计。
我清楚地知道mAP = true_positives / (true_positives + false_positives)，但是当true_positives == false_positives == 0发生时会发生什么呢？即。如果输出不能预测任何事情。
我目前的假设是，如果有算法不能预测的注解，mAP应该是0，否则，如果一开始没有注释，它应该是1，但这似乎有点违背直觉，因为这将进入回忆领域。
示例1：
T
浏览 2提问于2019-07-12得票数 1
回答已采纳
3回答
Why是通常用于(监督)分类任务的F-测度，而G-测度(或Fowlkes-Mallows索引)通常用于(无监督)聚类任务？
F-度量是精度和回忆的调和平均值。
G-度量(或Fowlkes-Mallows索引)是几何的平均值精度和召回的平均值。
下面是一个不同方法的情节。
📷
F1 (谐波) $= 2\cdot\frac{精度\cdot召回}{精确+召回}$
几何$= \sqrt{精度\cdot召回}$
算术$= \frac{精确+召回}{2}$
我问这个问题的原因是，我需要决定在NLG任务中使用哪一个平均值，在哪里我测量了 BLEU 和 ROUGE (BLEU相当于精确，而ROUGE则相当于
浏览 0提问于2018-08-12得票数 12
1回答
因此，为了评估多标签分类算法(每个实例都与多个标签相关联)，我同时考虑了准确性和F1-Measure。拥有：
Accuracy = #Intersection(suggestions,correct_labels) / #Union(suggestions,correct_labels)
F1 Measure = 2 * (P * R) / (P + R)
哪种方法更好?为什么？在什么情况下，我应该选择其中之一？
浏览 2提问于2013-12-04得票数 5
4回答
我有以下两个不同案例的F1和AUC评分
型号1:精度: 85.11召回: 99.04 F1: 91.55 AUC: 69.94
型号2:精度: 85.1召回: 98.73 F1: 91.41 AUC: 71.69
正确预测阳性病例的主要动机是减少假阴性病例(FN)。我应该使用F1评分并选择型号1还是使用模式2。谢谢。
浏览 0提问于2017-05-25得票数 64
我正在构建一个基于内容的电影推荐系统。这很简单，只要用户输入一个电影标题，系统就会找到一部具有最相似功能的电影。
在计算相似度并对得分进行降序排序后，我找到了相似度得分最高的5部对应的电影，并返回给用户。
直到现在，当我想评估系统的准确性时，一切都运行得很好。我在Google上找到的一些公式只是基于评分值来评估准确性(比较预测评级和实际评级，如RMSE)。我没有将相似度分数更改为等级(从1到5)，所以我不能应用任何公式。
您能建议任何方法将相似度分数转换为预测评分，以便我可以应用RMSE吗？或者有没有解决这个问题的办法？
浏览 1提问于2011-05-29得票数 15
回答已采纳
我正在开发一个新的系统，它是基于信息检索的概念。我的系统从网上检索研究文章的pdf和ppt文件。当我计算系统的精确度、召回率和f分时，我已经产生了怀疑。我想从小组成员那里澄清这一点。令人怀疑的是，准确率、召回率和f-score之间是否会有巨大的差异。因为我计算的准确率大约是0.913，召回率非常低，比如0.3234，f-score大约是0.4323，等等，这可能吗？我的意思是，精确度和召回率会有这么大的差异吗，或者我计算错了。！！请提供您的建议以及您对一些笔记的参考。谢谢..
浏览 3提问于2011-08-23得票数 1
1回答
我正在训练三个班级，其中一个占主导地位的班级约占80%，其他两个班级甚至。我能够使用欠采样/过采样技术来训练模型，以获得67%的验证准确率，这对于我的目的来说已经相当不错了。问题是这种性能只存在于平衡的验证数据上，一旦我用不平衡的数据对样本外进行测试，它似乎就偏向于甚至类预测。我也尝试过使用加权损失函数，但在样本之外也没有什么乐趣。有没有好的方法来确保验证性能的转换？我曾尝试使用auroc成功验证模型，但同样，强大的性能仅存在于平衡验证数据中。
我已经尝试过重采样的方法: SMOTE过采样和随机欠采样。
浏览 6提问于2019-07-10得票数 0
1回答
精确度和召回率的几何平均值
、、、、
我正在尝试制定一个自定义指标来评估ML模型。我想让精度和召回率的加权几何平均值，并以一种优先于召回率而不是精确度的方式对其进行权衡。我知道几何平均值是sqrt(精确度*召回)，但我不确定如何将其参数化，以便在python中更重视召回。这里有来自不平衡库的度量，但是我看不到我可以提供的任何权重
imblearn.metrics.geometric_mean_score(y_true, y_pred, labels=None, pos_label=1, average='multiclass', sample_weight=None, correction=0.0)
你知道如何在p
浏览 2提问于2021-01-03得票数 2
我有一套10个实验，计算精度，回忆和F1评分为每个实验。现在，平均查准率和平均召回率很容易计算。我对F1的平均分数有些困惑。
关于如何计算平均F1分数，有两种方法：
用10个实验中的每一个实验的f1分数来计算它们的平均值。
取平均精度和平均召回率，然后使用公式f1 = 2*p*r/(p+r)计算f1分数。
我找不到任何有力的理由来支持这些论点。我能找到的最接近的文档是：https://www.kaggle.com/wiki/MeanFScore
有人能用一些参考(如果可能的话)来解释哪些方法是正确的，为什么？
编辑:其中一位成员建议使用这源。不过，我仍然怀疑消息来源的可靠性。我在他们的研究出版
浏览 0提问于2017-01-08得票数 8
回答已采纳
我有以下代码(从SpaCy v2迁移)，我想在其中计算给定模型的精度、召回率和F1得分： nlp = spacy.load("my_model")
scorer = Scorer(nlp)
examples = []
for text, annotations in TEST_DATA:
examples.append(Example.from_dict(nlp.make_doc(text), annotations))
results = scorer.score(examples)
print(
"Precision {:0.4f}\tRecall
浏览 68提问于2021-08-11得票数 0
回答已采纳
1回答
我正在研究两个不同季节的环路闭合检测问题，例如夏季和秋季。我需要绘制精确的回想曲线。假设我拍了500张夏天的照片和500张秋天的照片。我有距离矩阵。
但我完全搞不懂，如何制作精确的回忆曲线。例如，对于一个季节的每个图像，我将按照升序(距离)获得500张最近的图像。我知道精确度和召回率的定义，但我无法接近这个问题的解决方案。期待着任何形式的帮助或评论或建议。提前谢谢。
浏览 32提问于2018-09-10得票数 0
我有三个分类器，它们使用以下结果对相同的数据集进行分类：
classifier A:
precision recall f1-score
micro avg 0.36 0.36 0.36
macro avg 0.38 0.43 0.36
weighted avg 0.36 0.36 0.32
classifier B:
precision recall f1-score
m
浏览 0提问于2018-12-28得票数 3
回答已采纳
1回答
让我们讨论标签A、B和C的多标签分类问题。我可以计算每个标签的精确度/召回率，如下所示：
精度:正确的NodeX分配/总NodeX分配
回忆:更正NodeX赋值/总NodeX真事件
F1度量:2*(精确*召回)/(精确+召回)
因为我有3个标签，所以我想通过平均每个节点的值来获得一个全局性能度量，比如建议的。
但是，我注意到这破坏了F1度量不变！澄清的一个例子：
Label, Precision, Recall, F1
A, 0.5, 1.0, 0.666
B, 1.0, 1.0, 1.0
C, 0.5,
浏览 4提问于2013-12-13得票数 2
我使用sklearn的接口来评估dbscan的结果，根据文档，F-measure是一种分类度量，但dbscan是一种聚类方法。我知道F-度量在理论上可以作为聚类的一种外部评估方法。那么，如何利用它来评估dbscan的结果呢？
浏览 3提问于2016-11-03得票数 0
在文档中，它将average_precision_score描述为精确召回曲线下的区域。我很难理解这个区域意味着什么？
这个度量和原始的精确评分有什么不同？
浏览 6提问于2016-01-19得票数 6
回答已采纳
2回答
从商业角度来看，假阴性导致的成本(真正的金钱)大约是假阳性的十倍。给出我的标准二进制分类模型(logit，随机森林等)，我如何将其合并到我的模型中？
我必须改变(权重)损失函数以支持‘首选’误差(FP)吗？如果是这样，如何做到这一点？
浏览 0提问于2018-03-07得票数 18
回答已采纳
我有一个逻辑回归分类器，它在不同的概率边界上显示不同的精度和召回性能，如下所示：
📷
分类器决定某个类属于哪个类的默认阈值为0.5。然而，我是否正确地认识到，为了获得最佳的性能权衡，我应该将决策边界设置在以下0.82左右？这可以在Scikit-学习，但我想确保我得出正确的结论。如有任何建议，将不胜感激。
浏览 0提问于2021-01-14得票数 4
回答已采纳
例如，我训练了一个贝叶斯(支持向量机，RandomForest或其他)模型，得分低于：
Model:
precision recall f1-score support
neg 0.0622 0.9267 0.1166 191
pos 0.9986 0.7890 0.8815 12647
avg / total 0.98 0.79 0.87 12838
我的老板告诉我，neg的准确率太低了，他可以接受60%的召回率，不
浏览 6提问于2017-06-29得票数 0
什么原因会导致F1分数不是精度和召回率的调和平均值，而多类的宏观平均加权相等？我的数据集是不平衡的，预测是不正确的。
浏览 33提问于2019-02-03得票数 0
1回答
我很困惑于找出我的YOLOv5模型的确切的YOLOv5评分，它经历了150个时代的训练。
此外，我怎样才能知道基于这些图表的模型是否做得很好？
以下是衡量标准：
Class Images Labels P R mAP@.5 mAP@.5:.95: 100% 11/11 [00:05<00:00, 2.09it/s]
all 347 472 0.91 0.895 0.941 0.746
class1
浏览 0提问于2021-10-15得票数 1
我有3000个手动标记的数据集，分为训练集和测试集，我已经使用SpaCy训练了NER模型，以提取8个自定义实体，如“行动”，雇用日期，状态等。为了评估模型，我使用了SpaCy记分器。 在输出中没有精度指标，我不确定我应该考虑哪个指标来决定模型性能是好是坏？ 有几种情况下准确率很低，但召回率为100，f1也很低，例如： 'LOCATION': {'p': 7.142857142857142, 'r': 100.0, 'f': 13.333333333333334}, 在上述情况下，我们的结论应该是什么？ 以下是得分者的全部结果，其
浏览 54提问于2019-09-02得票数 3
回答已采纳
1回答
王数据库的查准率与查全率
、、、
我在MATLAB中开发了一个CBIR系统，并将相似性度量作为欧氏距离。对于每一个查询图像，我都会检索前20张图片。
我用来测试我的系统。
它包含10个班(如非洲人民、公共汽车、玫瑰等)每个包含100幅图像(总共1000幅图像)。
我的方法：
我使用Correlogram，共现矩阵和差像素扫描模式分别构建我的向量(64+196+28=288维数)。
每一个1000分贝的图像，我都有它的矢量事先构造。
现在来了一个查询图像，我也构造了它的向量(228维)。
我用欧氏距离进行相似性排序，并按它们的欧几里德距离的降序排序db图像向量。
前20名的结果显示。
在这20个中
浏览 3提问于2015-04-22得票数 1
回答已采纳
2回答
我想用下面的代码来评估我的经过训练的spaCy模型，并使用内置记分器函数：
def evaluate(ner_model, examples):
scorer = Scorer()
for input_, annot in examples:
text = nlp.make_doc(input_)
gold = Example.from_dict(text, annot)
pred_value = ner_model(input_)
scorer.score(gold)
return scorer.scor
浏览 2提问于2021-07-01得票数 3
回答已采纳
我在Kaggle上找到了这个，它包含了2013年9月欧洲持卡人在两天内通过信用卡进行的交易。数据集非常不平衡，欺诈只占所有交易的0.172%。
我想在这个数据集上实现一个(高斯)朴素贝叶斯分类器来识别欺诈交易。
我已经做了以下几件事：
将数据加载到数据帧中
将数据拆分为X和y
数据标准化
用ADASYN处理不平衡数据集
高斯朴素贝叶斯模型的建立
现在，我想评估一下这些模型：
from sklearn import metrics
metrics.accuracy_score(y_test, y_pred_class)
# Output: 0.959734277127
浏览 0提问于2018-12-14得票数 2
回答已采纳
1回答
我的工作是电影100 K电影数据推荐系统。我把数据分为测试和训练，计算精确性和召回率。在测试中，随机选择了超过10K的用户。我能够找到一个个人用户的精确性和召回。
我想知道:聚合的精确性和召回有什么实际意义吗？
浏览 4提问于2015-06-17得票数 1
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。
我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。我是不是应该提前停止对性能的衡量？我们是否应该使用验证损失作为早期停止的标准？谢谢。
浏览 0提问于2018-11-17得票数 6
我正在对数据集进行分类，并使用交叉验证进行建模。交叉验证给出了每个折叠的准确性，因为类是不平衡的，准确性是不正确的度量。我想得到AUC-ROC而不是准确性。
浏览 0提问于2019-04-20得票数 0
回答已采纳
通常将F-度量定义为精度和召回的函数，如1中所提到的：
F_{\beta}=\frac{(1+\beta^2)PR}{\beta^2 P+R}
然而，我遇到了其他一些情况，另一个定义是使用2：
F = H(sensitivity, 1- specificity)
其中H是调和平均。
参考资料：
( F-测度推导(精度和召回的调和均值)
https://link.springer.com/chapter/10.1007/978-3-540-68947-8_133。
https://stackoverflow.com/a/52892413/2243842
浏览 0提问于2020-03-02得票数 3
回答已采纳
我正在寻找一个非常简单的基于用户的的Java实现。我想用movielens数据集评估这个CF的精确度和召回率。我已经看到性能(F1)应该在20%到30%左右(具有皮尔逊相似性和KNN)。
这个简单的框架存在于精度和召回代码的评估中吗？
浏览 1提问于2011-05-12得票数 5
目标：
嘿，伙计们，我正在尝试用Python创建一个分类模型来预测共享单车站点何时会有过多的每小时相对流入或流出。
我们正在做的工作是：
我的数据帧的前5行(总共超过200,000行)看起来像这样，我在'flux‘列中分配了值0，1，2-如果没有重要的动作，1如果流入太多，2如果流出太多。
我正在考虑使用station_name (超过300个站点)、一天中的某小时和一周中的某一天作为预测变量来对“流量”进行分类。
模型选择：
我应该配什么？朴素贝叶斯？KNN？随机森林？还有什么适合的吗？GDM？SVMs？
仅供参考: always 0的基线预测相当高，为92.8%。不幸的是
浏览 2提问于2015-07-25得票数 0
1回答
我知道机器学习中的精确度和召回率之间的区别。一种是对假阳性进行优化，另一种是对假阴性进行优化。在统计学中，它被称为对类型I或类型II错误的优化。
然而，我很困惑在什么情况下可以得到完全相反的精确度和召回率？比如精度=1和Recall=0？
让我重复一下：
precision = true positives / (true positives + false positives)
recall = true positives / (true positives + false negatives)
这是混淆矩阵
predicted
(+) (-)
浏览 3提问于2017-06-05得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
