conversation_by_9gv

[student_9gv]

czym się różnią dokładność a precyzyjność

[bot_external]

Dokładność i precyzja to dwie miary błędu obserwacji, które są często mylone, ale mają różne znaczenia.

Dokładność (accuracy) to miara, która określa, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Inaczej mówiąc, dokładność mierzy, jak dobrze model przewiduje wyniki, które rzeczywiście występują.

Precyzja (precision) to miara, która określa, jak blisko są pomiary względem siebie. Inaczej mówiąc, precyzja mierzy, jak dobrze model rozróżnia pomiędzy prawdziwymi i fałszywymi wynikami.

Przykładem może być diagnozowanie chorób. Dokładność modelu w tym przypadku mógłby być określona jako stosunek prawidłowych diagnoz do wszystkich diagnoz, które zostały zrobione. Precyzja modelu w tym przypadku mógłby być określona jako stosunek prawidłowych diagnoz do wszystkich diagnoz, które zostały zrobione, oraz liczby diagnoz, które zostały zrobione, ale były nieprawidłowe.

Warto zwrócić uwagę, że dokładność i precyzja są niezależne od siebie, co oznacza, że model może mieć wysoką dokładność, ale niską precyzję, lub odwrotnie.

[student_9gv]

czym jest precyzja? podaj definicje

[bot_external]

Precyzja to miara, która określa, jak blisko są pomiary względem siebie. Inaczej mówiąc, precyzja mierzy, jak dobrze model rozróżnia pomiędzy prawdziwymi i fałszywymi wynikami.

Precyzja jest definiowana jako stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków testowych sklasyfikowanych przez model jako pozytywne. W praktyce oznacza to, że precyzja modelu wskazuje, jak często model poprawnie rozpoznaje przypadki, które rzeczywiście są pozytywne.

Przykładem może być diagnozowanie chorób. Precyzja modelu w tym przypadku mógłby być określona jako stosunek prawidłowych diagnoz do wszystkich diagnoz, które zostały zrobione, oraz liczby diagnoz, które zostały zrobione, ale były nieprawidłowe.

W naszym przykładzie z ilustracji, aby obliczyć precyzję, bierzemy liczbę prawidłowo wykrytych chorób, czyli 27, i dzielimy przez liczbę wszystkich osób sklasyfikowanych przez model jako chore, czyli 31. Otrzymujemy w zaokrągleniu 87%.