precision و recall برای Information retrieval استفاده میشوند. این دو شاخص به نتایج مثبت مربوط هستند. (related to positive results)
precision :
precision نسبت TP به TP+FP است: یعنی از میان همه پیش بینی های Positive که توسط مدل انجام شده، چند درصد آن ها صحیح بوده است.
or
از میان همه پیش بینی های negetive که توسط مدل انجام شده است، چند درصد آن صحیح بوده است:
recall:
recall همانTPR است: (تعداد مثبت های صحیح به کل مثبت ها)
یا همان TNR : (تعداد منفی های صحیح به کل منفی ها)
F1-score
یک شاخص که از ترکیب دو مورد precision و recall بوجود آمده است .
- این مقدار برای صفر و یک میتواند به طور مجزا محاسبه شود. (زیرا مقادیر ماتریس پیچیدگی برای صفر و یک متفاوت است.)
- هرچه F1-Score به یک نردیک تر باشد، مدل ما بهتر است.