Ikki sinfli tasniflash muammosini hal qilamiz. Agar maqsaddan 0 sinfidagi 10 ta ob'ektni chiqarib tashlasak, precision va recall o'lchovlari qanday o'zgaradi?
sobes.tech AI
AIdan javob
Եթե բինարային դասակարգման նպատակից հանենք 0 դասի 10 օբյեկտ, դասերի բաշխումը կփոխվի, ինչը հետևյալ կերպ կազդի ճշգրտության և հիշողության վրա.
-
Ճշգրտություն (precision) — դա ճշմարիտ դրականների (TP) հարաբերությունն է TP և սխալ դրականների (FP) գումարի նկատմամբ՝ TP / (TP + FP): 0 դասի օբյեկտների հեռացումը նպատակից չի ազդում ուղղակիորեն TP կամ FP-ի վրա, քանի որ այս չափանիշները կախված են մոդելի կանխատեսումներից: Եթե կանխատեսումները չփոխվեն, ճշգրտությունը կմնա մոտավորապես նույնը:
-
Հիշողություն (recall) — դա TP-ի հարաբերությունն է TP և սխալ բացթողումների (FN) գումարի նկատմամբ՝ TP / (TP + FN): 0 դասի օբյեկտների հեռացումը չի ազդում 1 դասի համար TP կամ FN-ի քանակի վրա, հետևաբար, 1 դասի համար հիշողությունը կմնա մոտավորապես նույնը:
Սակայն, եթե դիտարկենք 0 դասի համար մետրիկաները, ապա 0 դասի օբյեկտների հեռացումը կկրճատի ճիշտ բացասականների (TN) քանակը և հնարավոր է ազդի FP և FN-ի վրա, ինչը կարող է փոխել այդ դասի համար ճշգրտությունն ու հիշողությունը:
Ընդհանուր առմամբ, 0 դասի օբյեկտների հեռացումը նպատակից կփոխի դասերի բաշխումը, ինչը կարող է ազդել մետրիկաների վրա, հատկապես եթե դրանք հաշվվում են դասերի միջինով (օրինակ, macro-միջին): Բայց միայն դրական դասի համար հաշվարկվող մետրիկաների համար փոփոխությունները կլինեն նվազագույն, եթե կանխատեսումները չփոխվեն։