Genauigkeit oder Rückrufquote, das ist die Frage
Du hast ein paar Leistungskennzahlen kennengelernt und fragst dich vielleicht, wann du Präzision und wann du Recall verwenden solltest? Diese beiden Kennzahlen werden für jede Klasse berechnet, und manchmal ist es nicht ganz klar, wann man sich auf die eine und wann auf die andere konzentrieren sollte.
Die Präzision ist ein Maß dafür, wie gut das Modell eine bestimmte Klasse vorhersagt, während die Recall-Rate angibt, wie gut eine Klasse klassifiziert wird. Wenn die Genauigkeit für eine Klasse hoch ist, kannst du deinem Modell vertrauen, wenn es diese Klasse vorhersagt. Wenn die Wiederholungsrate für eine Klasse hoch ist, kannst du dir sicher sein, dass diese Klasse vom Modell gut verstanden wird.
Mach einfach die Anweisungen, um diesen Vergleich zwischen Präzision und Recall anhand eines Beispiels zu sehen. Die Funktionen „ precision_score() “ und „ recall_score() “ sind geladen.
Diese Übung ist Teil des Kurses
<Kurs>Rekursive neuronale Netze (RNNs) für die Sprachmodellierung mit Keras</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compute the precision of the sentiment model
prec_sentiment = ____(sentiment_y_true, ____, average=None)
____