Ике классты классификация маселесин чечип жатабыз. Эгер максаттан 0 класстагы 10 объектти чыгарып салсак, precision жана recall метрикалары кандай өзгөрөт?

Экилик класстуу классификациянын максатынын ичинен 0 класстагы 10 объектти алып салсак, класстардын бөлүштүрүлүшү өзгөрүп, бул төмөнкүдөй метрикаларга таасир этет:

• Дактык (precision) — чын позитивдер (TP) жана TP менен жалган позитивдердин (FP) жыйындысынын катышы: TP / (TP + FP). 0 класстагы объекттерди максаттан алып салуу түздөн-түз TP же FPга таасир этпейт, себеби бул метрикалар моделдин алдын алагынан көз каранды. Эгер алдын алагдар өзгөрбөсө, дактык дээрлик ошол бойдон калат.

• Эске алуу (recall) — чын позитивдердин (TP) жана TP менен жалган негативдердин (FN) жыйындысына карата катышы: TP / (TP + FN). 0 класстагы объекттерди алып салуу 1 класс үчүн TP же FN санын өзгөртпөйт, ошондуктан 1 класс үчүн эске алуу дээрлик ошол бойдон калат.

Бирок, эгер 0 класс үчүн метрикаларды карасак, анда 0 класстагы объекттерди алып салуу чын негативдердин (TN) санын азайтат жана потенциалдуу түрдө FP жана FNга таасир этет, бул ошол класс үчүн дактык жана эске алууну өзгөртүшү мүмкүн.

Жалпысынан, 0 класстагы объекттерди максаттан алып салуу класстардын бөлүштүрүлүшүн өзгөртөт, бул метрикаларга таасир этет, айрыкча, эгер алар класстар боюнча орто эсептелсе (мисалы, macro-averaged). Бирок, тек позитивдүү класс үчүн эсептелген метрикалар үчүн өзгөрүүлөр минималдуу болот, эгер алдын алагдар өзгөрбөсө.