Precision and recall - Wikipedia
Precision and recall In pattern recognition, information retrieval, object detection and classification (machine learning), precision and recall are performance metrics that apply to data retrieved from a collection, corpus or sample space. Precision (also called positive predictive value) is the fraction of relevant instances among the retrieved instances. Written as a formula: Recall (also known
スライド 1
評価方法 一般的なデータ処理結果の状態 • 処理ｓで結果のデータ集合が得られた。しかし、結果の中には間違 いもあるし、得られなかったデータの中にも正解がありうる。 データ集合全体 処理ｓで得られるべきデータ集合 処理ｓで得られた データ集合 fp tp fn tn 性能評価尺度 • • • 再現率 適合率あるいは精度 フォールアウト recall = tp tp + fn precision = fallout = tn tn + fp tp tp + fp • 一般性 generarity = tp tp + tn + fp + fn • Accuracy accuracy = tp + tn tp + fp + fn + tn 再現率 ｖｓ 適合率 • よく使う評価の表現法 １．０ 適 合 率 再現率１００％の自明 なシステム？？ ０．０ ０
F値の前身はE値? - シリコンの谷のゾンビ
本当はF値で使われている調和平均が相加平均，相乗平均よりも小さくなるという証明を書くつもりだったのだけれど，F値について調べているうちに知らなかった歴史が少しだけ紐解かれた． F値の初出について調べる余力がなかったので，F値の初出をご存じの方がいれば，教えて頂けると幸いです． さてF値という評価指標を知らない方のためにちょっとだけ説明．検索評価に限らず，機械学習などの評価でお馴染みのprecision (適合率)，recall (再現率)というものがある． 検索された文書 検索されなかった文書 適合 A B 不適合 C D とすると，precision Pは検索された文書のうち，適合文書の割合 で計算し，recall Rは適合文書がどれだけ検索されたのかという割合 で計算する．さて，みんな大好きF値は， として計算されることが多いが，これは正確にはF1値と呼ばれ，precisionとrec
検索における適合率 (Precision) と再現率 (Recall)
検索における適合率 (Precision) と再現率 (Recall) 2008-01-17-1 [IIR] 「Introduction to Information Retrieval」[1] の輪講の第一回[2008-01-12-1]でちらっと話しましたが、第一章の 1.1 に Precision と Recall の説明があります（第八章でも出てきます）。 若干混乱しやすくややこしい話なので、ここで改めて解説します。 § Precision (適合率) とは、 全検索結果に対しての、 検索要求 (information need) を満たす検索結果の割合です。 例えば、 「MacBook Air の重量を知りたい」という検索要求を満たすために検索キー「MacBook Air 重さ」でウェブ検索した結果100件のうち、検索要求を満たす（重さが分かる）のが85件だとすると、 Precis
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
All SC&I | School of Communication and Information | Rutgers University
