რა არის Precision და Recall?

სწორად განსაზღვრული (precision) და Recall (მოწოდება) არის კლასიფიკაციის ხარისხის მეტრიკები, რომლებიც განსაკუთრებით მნიშვნელოვანია არასათანადო კლასებთან მუშაობისას.

• სწორად განსაზღვრული — დადებითი მაგალითების რაოდენობა, რომლებიც სწორად არის პროგნოზირებული, ყველა დადებითი მაგალითიდან, რომელიც მოდელმა დაასახელა.

  ფორმულა:
  [ სიზუსტე = \frac{TP}{TP + FP} ] სადაც TP — ჭეშმარიტი დადებითი, FP — ყალბი დადებითი.

• Recall — ყველა რეალურ დადებით მაგალითზე, რამდენი სწორად არის პროგნოზირებული.

  ფორმულა:
  [ Recall = \frac{TP}{TP + FN} ] სადაც FN — ყალბი უარყოფითი.

მაგალითი: თუ სპამის გამოვლენის მოდელი ბევრ ელფოსტას აღნიშნავს როგორც სპამ, მაგრამ მათ შორის ბევრი არის შეცდომით (FP), მაშინ სიზუსტე დაბალი იქნება. თუ მოდელი ბევრ სპამ ელფოსტას გამოტოვებს (FN), მაშინ Recall დაბალი იქნება.

ზოგადად, სიზუსტესა და Recall-ს შორის არსებობს კომპრომისი, და მათი შეფასებისთვის ხშირად გამოიყენება F1-score — მათი ჰარმონიული საშუალო.