第一次预测的精度、F 分数和召回率高
Posted
技术标签:
【中文标题】第一次预测的精度、F 分数和召回率高【英文标题】:Precision, F-score and Recall High on first prediction 【发布时间】:2020-09-30 01:34:39 【问题描述】:我已经打印了我的 SVM 模型对二元类进行预测的分类报告,但它在第一次预测时得分很高(超过 95%),我知道它打印高值时很好,但我需要执行特征在这之后的选择,你觉得这正常吗?什么样的特征选择适合二分类?
【问题讨论】:
【参考方案1】:你觉得这正常吗?
这取决于您的数据。如果你的数据是完全线性可分的,那么几乎所有的线性分类器都会表现良好。
如果所有的准确率、召回率和 F 分数都很高,并且它们对你来说足够高,那么也许你不必走得更远。
你可以看到特征重要性,然后你可以阅读这篇文章:Determining the most contributing features for SVM classifier in sklearn
如果你使用其他算法,特征重要性可能会有点不同。
【讨论】:
以上是关于第一次预测的精度、F 分数和召回率高的主要内容,如果未能解决你的问题,请参考以下文章
y_pred 和 y_true 具有不同大小时的精度、召回率、f 分数