Precision eller recall – det är frågan
Du har lärt dig om några prestandamått och undrar kanske: när ska jag använda precision och när ska jag använda recall? De två måtten beräknas för varje klass, och det kan ibland vara svårt att veta när man ska fokusera på det ena och när på det andra.
Precision mäter hur väl modellen förutsäger en viss klass, medan recall mäter hur väl en klass klassificeras. Om precision är hög för en klass kan du lita på modellens förutsägelser för den klassen. När recall är hög för en klass kan du vara trygg med att modellen har god förståelse för den klassen.
Foll instruktionerna för att se den här jämförelsen mellan precision och recall med ett exempel. Funktionerna precision_score() och recall_score() är inlästa.
Den här övningen är en del av kursen
Återkommande neurala nätverk (RNN) för språkmodellering med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compute the precision of the sentiment model
prec_sentiment = ____(sentiment_y_true, ____, average=None)
____