Прецизност се може посматрати као мера квалитета, а подсећање као мера количине. Већа прецизност значи да алгоритам враћа релевантније резултате од нерелевантних, а висока меморија значи да алгоритам враћа већину релевантних резултата (без обзира да ли се враћају и небитни).
- Шта је добра прецизност и резултат опозива?
- Шта вам говори крива прецизног опозива?
- Шта је прихватљив резултат Ф1?
- Како тумачите резултат Ф?
Шта је добра прецизност и резултат опозива?
Висока прецизност се односи на ниску стопу лажно позитивних резултата. Имамо 0.788 прецизност што је прилично добро. Опозив (осетљивост) - Опозив је однос правилно предвиђених позитивних запажања према свим запажањима у стварној класи - да.
Шта вам говори крива прецизног опозива?
Криве прецизног опозива сумирају компромис између праве позитивне стопе и позитивне предиктивне вредности за модел предвиђања користећи различите прагове вероватноће.
Шта је прихватљив резултат Ф1?
Оцена Ф1 се сматра савршеном када је 1, док је модел потпуни неуспех када је 0 . Запамтите: Сви модели су погрешни, али неки су корисни. То јест, сви модели ће генерисати неке лажно негативне, неке лажно позитивне резултате, а могуће и обоје.
Како тумачите резултат Ф?
Ако добијете велику вредност ф (ону која је већа од критичне вредности Ф која се налази у табели), то значи да је нешто значајно, док мала вредност п значи да су сви ваши резултати значајни. Статистика Ф само упоређује заједнички ефекат свих променљивих заједно.