Pourquoi le rappel ne prend-il pas en compte les vrais négatifs?

Le rappel (en combinaison avec la précision) est généralement utilisé dans les domaines où l'on est principalement intéressé à trouver les positifs. Un exemple pour un tel domaine est par exemple le marketing de performance ou (comme déjà suggéré par le lien ch'ls) le domaine de la recherche d'informations.

Alors:

$\frac{TN}{TN + FN}$

Si vous êtes intéressé par l'optimisation du rappel pour les deux négatifs ET les positifs, vous devriez regarder "Précision" (voir à nouveau le lien de chl). Mais méfiez-vous du biais de classe (c'est-à-dire que vous avez beaucoup plus de positifs que de négatifs ou vice versa ... dans ce cas, on peut "optimiser" la précision en définissant la prédiction sur la classe principale pour tous les points de données).

steffen
la source

Merci pour la réponse à ma question. Je suis en effet intéressé à optimiser à la fois les négatifs et les positifs. Dans ce cas, il semble que la précision est la voie à suivre car elle prend en compte tp, fp, tn et fn. Cependant, comme vous l'avez mentionné ci-dessus, je dois être conscient du biais de classe. Ainsi, devrais-je présenter la précision à côté d'une autre métrique pour contrer cela? Merci encore!

Raffi Khatchadourian

@Raffi: Vous pouvez ajouter le rapport d'exemples correctement classés de la classe mineure (c.-à-d. Précision ou taux négatif réel respectivement). Cependant, je pense qu'il devrait suffire que vous déclariez votre conscience de ce problème et que vous vérifiiez que le modèle ne prédit pas seulement la classe principale. Mais ce n'est que mon avis.

steffen

Merci! Je pense que je vais suivre cette voie, c'est-à-dire la précision actuelle et que le modèle ne prévoit pas seulement la classe principale.

Raffi Khatchadourian

Pourquoi le rappel ne prend-il pas en compte les vrais négatifs?

Réponses: