Везде ниже - элемент выборки, - метка класса, - классификатор.
Также - значения матрицы ошибок бинарной классификации.
Доля правильно классифицированных объектов (accuracy, ДПКО)
ДПКО - самая простая оценка классификации:
.
по сути это вероятность того что класс будет предсказан правильно.
Например если мы ловим сумасшедших, ДПКО показывает сколько мы поставили правильных диагнозов.
- Работает для многоклассовой классификации
- Плохо работает при высокой априорной вероятности у одного из классов, в таком случае константное предсказание может давать высокое значение accuracy (равное этой априорной вероятности).
Точность (Precision)
.
Точность показывает какую долю объектов, распознанных как положительного класса, мы предсказали верно.
На примере - точность это сколько из пойманных нами и посаженных в психушку людей реально сумасшедшие.
- Только бинарная классификация
- Не зависит от априорной вероятности положительного класса.
Полнота (Recall)
.
Полнота показывает какую долю объектов, реально относящихся к положительному классу, мы предсказали верно.
На примере - полнота это сколько из сумасшедших людей которых мы проверили, мы посадили в психушку.