Qué mide el recall

Es el número de conjeturas adecuadas efectuadas por el modelo sobre el total de registros. La mejor precisión es del cien %, lo que señala que todas y cada una de las conjeturas son adecuadas.

Tenga presente que la precisión no es una medida válida del desempeño del modelo en el momento en que tiene un grupo de datos desequilibrado.

Terms is Spanish

Estas métricas asimismo tienen su nombre pertinente en castellano, pero es esencial que sepas su nombre en inglés pues muchas bibliotecas (scikit-learn) ahora las tienen incluídas. En esta tabla puedes conseguir la correo.

Vamos a usar un caso de muestra de marketing para entender mejor qué mide todas estas métricas y su concepto en el campo empresarial.

Puntuación F1

Es una métrica muy usada en inconvenientes en los que el grupo de datos a investigar está desequilibrado. Esta métrica combina precisión y recordación, para conseguir un valor considerablemente más propósito.

F1 = 2 * ((rememorar * precisión)/(rememorar + precisión))

Estudio automático Parte 3: selección de métricas de evaluación adecuadas: métricas de clasificación.

Estudio automático, un tema que vimos en el producto previo Parte 1 y Parte 2 en el que discutimos métricas para inconvenientes de regresión. Este producto muestra las métricas de evaluación de clasificación.

Presentaremos primero las primordiales métricas de clasificación usadas en Machine Learning:

La matriz de confusión como herramienta de estudio automático

Piensa que tienes un examen médico que corrobora la presencia o sepa de una patología; en un caso así si utilizamos un algoritmo de estudio automático apoyado en clasificación en un caso así con cambiantes categóricas, y para lo que probablemente empleemos un algoritmo de árbol de resolución) . De cualquier forma, en la vida real, hay 2 verdades probables: o lo que se está probando es cierto o no es así. La persona está enferma o no; la imagen es un perro, o no es así.

Gracias a esto, asimismo hay 2 probables desenlaces de prueba: un resultado de prueba positivo (la prueba pronostica que la persona está enferma o no, o en el otro ejemplo la imagen es un perro, o no). Estas 4 opciones se resumen en la próxima tabla, pues hay 2 probables valores reales y 2 probables valores predictivos o predictivos