Est précision = 1- taux d'erreur de test

Toutes mes excuses si c'est une question très évidente, mais j'ai lu divers articles et je n'arrive pas à trouver une bonne confirmation. Dans le cas de la classification, la précision d' un classificateur est-elle un taux d'erreur de test de 1 ? J'obtiens que la précision est , mais ma question est de savoir exactement comment la précision et le taux d'erreur de test sont liés. $\frac{TP+TN}{P+N}$

En principe oui, la précision est la fraction des cas correctement prédits donc 1-la fraction des cas mal classés, c'est-à-dire l' erreur (taux). Cependant, les deux termes peuvent parfois être utilisés d'une manière plus vague et couvrent différentes choses comme l'erreur / précision équilibrée par classe ou même le score F ou AUROC - il est toujours préférable de rechercher / inclure une clarification appropriée dans le document ou rapport.

Notez également que le taux d'erreur de test implique une erreur sur un ensemble de tests, il s'agit donc probablement de la précision d'un ensemble de tests, et il peut y avoir d'autres précisions qui volent autour.

@mbq a répondu:

"1-la fraction des cas mal classés, c'est-à-dire erreur (taux)"

Cependant, cela semble faux car les erreurs de classification et les erreurs sont la même chose. Voir ci-dessous (sur http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/ ):

Précision: dans l'ensemble, à quelle fréquence le classificateur est-il correct? (TP + TN) / total = (100 + 50) / 165 = 0,91

Taux de classification erronée: Dans l'ensemble, à quelle fréquence est-ce mal? (FP + FN) / total = (10 + 5) / 165 = 0,09 équivalent à 1 moins la précision

également connu sous le nom de "taux d'erreur"