Por que a lembrança não leva em consideração os verdadeiros negativos? Em experimentos em que os verdadeiros negativos são tão importantes quanto os verdadeiros positivos, é uma métrica comparável que leva isso em consideração?
precision-recall
Raffi Khatchadourian
fonte
fonte
Respostas:
Lembre-se (em combinação com precisão) é geralmente usado em áreas em que se interessa principalmente por encontrar os positivos. Um exemplo para essa área é, por exemplo, Marketing de Desempenho ou (como já sugerido pelo link ch'ls) a área de Recuperação de Informações.
Então:
Se você está interessado principalmente em encontrar os negativos, a "Taxa Negativa Verdadeira" (como já sugerido por chl) é o caminho a percorrer. Mas não se esqueça de olhar para uma métrica "precisão para foco em negativos" (ou seja, , porque, caso contrário, a "verdadeira taxa negativa" pode ser otimizada definindo a previsão como "negativo". para todos os pontos de dados).TNTN+ FN
Se você estiver interessado em otimizar o recall para negativos e positivos, consulte "Precisão" (consulte novamente o link do chl). Mas cuidado com a inclinação da classe (ou seja, você tem muito mais pontos positivos do que negativos ou vice-versa ... nesse caso, é possível "otimizar" a precisão definindo a previsão para a classe principal para todos os pontos de dados).
fonte