Ordliste

Recall i machine learning

Hvad er Recall i machine learning?

Recall (også kaldet sensitivitet eller true positive rate) måler, hvor stor en andel af de faktiske positive tilfælde en model registrerer: korrekt identificerede positive divideret med alle reelle positive. Hvis et svindelfilter fanger 80 ud af 100 reelle svindeltilfælde, er dets recall 0,8. Høj recall er vigtig, når oversete tilfælde er dyre, f.eks. ved medicinsk diagnose. Fordi den ignorerer falske alarmer, ses den som regel sammen med precision, f.eks. i F-scoren.

Emner

måleværdi
modelevaluering
klassifikation

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

F-score (F1-score)

F-scoren er en måleværdi til evaluering af klassifikationsmodeller. Den almindelige F1-score er det harmoniske gennemsnit af præcision (hvor mange af de forudsagte træffere der er korrekte) og recall (hvor mange af de faktiske træffere der blev fundet) og ligger mellem 0 og 1. Den er især nyttig ved ubalancerede data: Et spamfilter, der næsten aldrig markerer spam, kan have høj nøjagtighed, men en lav F1-score.

Evalueringsmåling
Klassificering
+1

Forvekslingsmatrix

En forvekslingsmatrix (confusion matrix) er en tabel, der sammenligner en klassifikators forudsigelser med de faktiske klasser. For to klasser viser den sande positive, falske positive, sande negative og falske negative. Heraf kan der beregnes nøgletal som præcision, recall og F1-score, og det bliver tydeligt, hvilke fejl der opstår. Eksempel: Et spamfilter, der markerer mange ægte e-mails som spam, har mange falske positive, hvilket ofte er dyrere end en overset spambesked.

Modelevaluering
Klassificering
+1

ROC-kurve

ROC-kurven (receiver operating characteristic) viser, hvor godt en klassifikationsmodel adskiller to klasser. For hver mulig beslutningstærskel afbilder den true positive rate (recall) mod false positive rate. Jo tættere kurven kommer på det øverste venstre hjørne, desto bedre; diagonalen svarer til ren gætning. Arealet under den (AUC) sammenfatter kurven i ét tal og hjælper f.eks. ved sammenligning af forskellige modeller til opdagelse af svindel.

måleværdi
modelevaluering
+1

Mean average precision (mAP)

Mean average precision (mAP) er en måleværdi, der vurderer, hvor godt et system finder relevante resultater og rangerer dem højt. Gennemsnitlig præcision (average precision) beregnes over resultatlisten for hver forespørgsel eller objektklasse; mAP er gennemsnittet over dem alle. Det er et standardmål for søgemaskiner, anbefalingssystemer og objektgenkendelse i billeder, hvor det også afhænger af det krævede overlap mellem afgrænsningsrammer.

måleværdi
søgning
+1