计算超过 2 个类别的精度和召回率

Posted

技术标签:

【中文标题】计算超过 2 个类别的精度和召回率【英文标题】:Calculate Precision and Recall for more than 2 classes 【发布时间】:2013-07-02 18:51:04 【问题描述】:

谁能帮我。 在网上搜索时,我发现了以下帮助完整 URL

Calculate Precision and Recall

我希望使用 NB 分类器在上述 URL 中提供完全相同的内容,除了我想要超过 2 个类的精度和召回率

请帮帮我

谢谢

【问题讨论】:

【参考方案1】:

有两种不同的策略来计算不同类别的准确率和召回率。

第一个选项只是平均它们的值(这称为宏观平均)。

第二个选项称为微平均,它是加权平均,其中每个类的重要性由其标记实例的相对数量定义。类中的文档越多,它的权重就越大。

ThisYang 的文章详细解释了这个概念。

【讨论】:

如果可能的话,你能解释一下我只计算单个类的精度和召回率吗?就像我在为两个类提供的 URL 中解释的那样。我想要每个类的单独精度和召回率两个以上的类

以上是关于计算超过 2 个类别的精度和召回率的主要内容,如果未能解决你的问题,请参考以下文章

在命名实体识别中计算精度和召回率

多分类问题的准确率,召回率怎么计算

计算精度和召回率

如何计算精度和召回率

python实现计算精度召回率和F1值

Top-k 推荐中的召回率、召回率@k 和精度