conversation_by_7xf
-
Topic created
-
hlao
-
hlao
Nie mogę znaleźć informacji w kontekście, które odpowiadałoby na Twoje pytanie.
-
halo halo
-
halo halo
Nie mogę znaleźć informacji w kontekście, które odpowiadałoby na Twoje pytanie.
-
wyjasnij mi precyzje
-
wyjasnij mi precyzje
Precyzja to miara błędu obserwacji, która określa, jak blisko są pomiary względem siebie. W kontekście modeli klasyfikacyjnych, precyzja jest definiowana jako liczba wyników prawdziwie pozytywnych (tzn. liczba elementów poprawnie oznaczonych jako należące do klasy pozytywnej) podzielona przez całkowitą liczbę elementów oznaczonych jako należące do klasy pozytywnej (tzn. suma wyników prawdziwie pozytywnych i wyników fałszywie pozytywnych).
Przykładem ilustrującym precyzję jest tabela pomyłek w GTM, gdzie przewidywania modelu są na osi poziomej, a rzeczywisty rozkład klas na osi pionowej. W tym przypadku precyzja wynosi 100%, ponieważ żadna siódemka nie została błędnie przez model oceniona jako jedynka.
Warto zauważyć, że precyzja może być zwiększana kosztem czułości, a odwrotnie. Oznacza to, że większa precyzja może zmniejszać szanse na usunięcie wszystkich komórek nowotworowych, ale także zmniejszać szanse na usunięcie zdrowych komórek.
-
dzieki
-
dzieki
Nie mogę znaleźć informacji w kontekście, które odpowiadałoby na Twoje pytanie.
-
jak sie oblicza precyzje
-
jak sie oblicza precyzje
Precyzja (precision) jest obliczana jako stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków testowych sklasyfikowanych przez model jako pozytywne.
W przykładzie z ilustracji, aby obliczyć precyzję, bierzemy liczbę prawidłowo wykrytych chorób (27) i dzielimy przez liczbę wszystkich osób sklasyfikowanych przez model jako chore (31). Otrzymujemy w zaokrągleniu 87%.
W innym przykładzie, aby obliczyć precyzję modelu A, dzielimy liczbę poprawnie rozpoznanych przez model jedynek (przykłady prawdziwie pozytywne) przez liczbę wszystkich przykładów rozpoznanych przez model jako jedynki. Zwróc uwagę na opis osi tablicy pomyłek w GTM - przewidywania modelu są tutaj na osi poziomiej, a rzeczywisty rozkład klas na osi pionowej. W tym przypadku precyzja wynosi 100%, ponieważ żadna siódemka nie została błędnie przez model oceniona jako jedynka.