Precision 或 Recall,該選哪一個
你剛學過幾種效能指標,可能會想知道:什麼時候該用「precision(精確率)」?什麼時候該用「recall(召回率)」?這兩個指標會針對每個類別各自計算,有時候不容易判斷該著重哪一個。
「精確率」衡量的是「模型」對某個類別的預測有多可靠;而「召回率」衡量的是某個「類別」被模型找回得有多完整。如果某個類別的精確率很高,當模型預測為該類別時你可以較信任它。若某個類別的召回率很高,代表模型對該類別掌握得不錯,不太會漏掉。
依照說明操作,透過一個例子比較「精確率」與「召回率」。已載入 precision_score() 與 recall_score() 函式。
本練習屬於課程
使用 Keras 建立語言模型的循環神經網路(RNN)
動手互動練習
試著完成這個範例程式碼,體驗一下這個練習。
# Compute the precision of the sentiment model
prec_sentiment = ____(sentiment_y_true, ____, average=None)
____