Precision o Recall, questo è il dilemma
Hai imparato alcune metriche di performance e forse ti stai chiedendo: quando usare la precision e quando usare il recall? Queste due metriche vengono calcolate per ciascuna classe e, a volte, non è immediato capire quando concentrarsi su una o sull’altra.
La precision misura quanto bene il modello predice una certa classe, mentre il recall misura quanto bene una classe viene classificata. Se la precision è alta per una classe, puoi fidarti del modello quando predice quella classe. Quando il recall è alto per una classe, puoi essere tranquillo che quella classe è ben compresa dal modello.
Segui le istruzioni per vedere, con un esempio, questo confronto tra precision e recall. Le funzioni precision_score() e recall_score() sono già caricate.
Questo esercizio fa parte del corso
Reti Neurali Ricorrenti (RNN) per il Language Modeling con Keras
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Compute the precision of the sentiment model
prec_sentiment = ____(sentiment_y_true, ____, average=None)
____