Woordenlijst

Recall bij machine learning

Wat is Recall bij machine learning?

Recall (ook wel sensitiviteit of true positive rate genoemd) meet welk deel van de werkelijk positieve gevallen een model herkent: correct herkende positieve gevallen gedeeld door alle echte positieve gevallen. Als een fraudefilter 80 van de 100 echte fraudegevallen opspoort, is de recall 0,8. Een hoge recall is belangrijk wanneer gemiste gevallen duur zijn, zoals bij medische diagnoses. Omdat valse alarmen buiten beschouwing blijven, wordt recall meestal samen met precisie bekeken, bijvoorbeeld in de F-score.

Onderwerpen

maatstaf
modelevaluatie
classificatie

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

F-score (F1-score)

De F-score is een maat voor het beoordelen van classificatiemodellen. De gangbare F1-score is het harmonisch gemiddelde van precisie (hoeveel van de voorspelde treffers correct zijn) en recall (hoeveel van de werkelijke treffers zijn gevonden) en loopt van 0 tot 1. Ze is vooral nuttig bij onevenwichtige data: een spamfilter dat bijna nooit spam markeert, kan een hoge nauwkeurigheid maar een lage F1-score hebben.

Evaluatiemaat
Inschatting
+1

Confusion matrix

Een confusion matrix is een tabel die de voorspellingen van een classificeerder vergelijkt met de werkelijke klassen. Bij twee klassen toont ze echte positieven, valse positieven, echte negatieven en valse negatieven. Daaruit kunnen maten als precisie, recall en F1-score worden berekend en wordt duidelijk welke fouten optreden. Voorbeeld: een spamfilter dat veel echte e-mails als spam aanmerkt, heeft veel valse positieven, wat vaak duurder is dan een gemist spambericht.

Modelevaluatie
Inschatting
+1

ROC-curve

De ROC-curve (receiver operating characteristic) laat zien hoe goed een classificatiemodel twee klassen van elkaar scheidt. Voor elke mogelijke beslisdrempel zet ze de true positive rate (recall) uit tegen de false positive rate. Hoe dichter de curve de linkerbovenhoek nadert, hoe beter; de diagonaal komt overeen met puur gokken. Het oppervlak eronder (AUC) vat de curve samen in één getal en helpt bijvoorbeeld bij het vergelijken van verschillende modellen voor fraudedetectie.

maatstaf
modelevaluatie
+1

Mean average precision (mAP)

Mean average precision (mAP) is een maatstaf die beoordeelt hoe goed een systeem relevante resultaten vindt en bovenaan rangschikt. Voor elke zoekvraag of objectklasse wordt de gemiddelde precisie over de resultatenlijst berekend; mAP is het gemiddelde over alle. Het is een standaardmaat voor zoekmachines, aanbevelingssystemen en objectdetectie in beelden, waar het ook afhangt van de vereiste overlap van begrenzingsvakken.

maatstaf
zoeken
+1