डेटा माइनिंग में सटीक और रिकॉल क्या है?

2024 लेखक: Miles Stephen | [email protected]. अंतिम बार संशोधित: 2023-12-15 23:36

जबकि शुद्धता आपके परिणामों के प्रतिशत को संदर्भित करता है जो प्रासंगिक हैं, याद आपके एल्गोरिदम द्वारा सही ढंग से वर्गीकृत कुल प्रासंगिक परिणामों के प्रतिशत को संदर्भित करता है। अन्य समस्याओं के लिए, व्यापार-बंद की आवश्यकता होती है, और निर्णय लिया जाना चाहिए कि अधिकतम करना है या नहीं शुद्धता , या याद.

इसके अलावा, उदाहरण के साथ सटीक और रिकॉल क्या है?

उदाहरण का शुद्धता - याद क्लासिफायर आउटपुट गुणवत्ता का मूल्यांकन करने के लिए मीट्रिक। शुद्धता - याद भविष्यवाणी की सफलता का एक उपयोगी उपाय है जब वर्ग बहुत असंतुलित होते हैं। सूचना पुनर्प्राप्ति में, शुद्धता परिणाम प्रासंगिकता का एक उपाय है, जबकि याद यह इस बात का माप है कि कितने सही मायने में प्रासंगिक परिणाम लौटाए गए हैं।

ऊपर के अलावा, आप डेटा माइनिंग में सटीकता और रिकॉल की गणना कैसे करते हैं? उदाहरण के लिए, एक पूर्ण सटीकता और रिकॉल स्कोर के परिणामस्वरूप एक पूर्ण F-माप स्कोर होगा:

1. एफ-माप = (2 * प्रेसिजन * रिकॉल) / (प्रेसिजन + रिकॉल)
2. एफ-माप = (2 * 1.0 * 1.0) / (1.0 + 1.0)
3. एफ-माप = (2 * 1.0) / 2.0।
4. एफ-माप = 1.0।

यह भी जानना है कि डेटा माइनिंग में सटीकता क्या है?

पैटर्न मान्यता, सूचना पुनर्प्राप्ति और. में वर्गीकरण (मशीन लर्निंग), शुद्धता (जिसे सकारात्मक भविष्य कहनेवाला मूल्य भी कहा जाता है) पुनर्प्राप्त किए गए उदाहरणों के बीच प्रासंगिक उदाहरणों का अंश है, जबकि रिकॉल (संवेदनशीलता के रूप में भी जाना जाता है) प्रासंगिक उदाहरणों की कुल राशि का अंश है

हम सटीकता और रिकॉल का उपयोग क्यों करते हैं?

प्रेसिजन है वास्तविक सकारात्मक की संख्या और झूठी सकारात्मक की संख्या से विभाजित वास्तविक सकारात्मक की संख्या के रूप में परिभाषित किया गया है। जबकि याद डेटासेट में सभी प्रासंगिक उदाहरण खोजने की क्षमता व्यक्त करता है, शुद्धता डेटा बिंदुओं के अनुपात को व्यक्त करता है जो हमारा मॉडल कहता है कि प्रासंगिक था वास्तव में प्रासंगिक थे।