Độ chính xác, độ chính xác, và thu hồi đối với mô hình đa lớp

Question

Làm thế nào để tính toán chính xác , chính xác và thu hồi cho mỗi lớp từ một mô hình Naive Bayes? Tôi đang sử dụng tập dữ liệu được nhúng: iris và gói cây và gói e1071 cho Naive Bayes. Ma trận nhầm lẫn như sau:

prediction setosa versicolor virginica 
setosa   29   0   0 
versicolor  0   20   2 
virginica  0   3  21 

PS: lưu ý rằng tôi đang sử dụng 75 mục như tập huấn luyện và khác để thử nghiệm:

iris.train <- c(sample(1:150, 75)) # have selected 75 randomly 

Answer 1

Trong suốt câu trả lời này, mat là ma trận nhầm lẫn mà bạn miêu tả.

Bạn có thể tính toán và lưu trữ chính xác với:

(accuracy <- sum(diag(mat))/sum(mat)) 
# [1] 0.9333333 

chính xác dùng cho mỗi lớp (giả định các dự đoán này trên các hàng và kết quả đúng là trên các cột) có thể được tính bằng:

(precision <- diag(mat)/rowSums(mat)) 
#  setosa versicolor virginica 
# 1.0000000 0.9090909 0.8750000 

Nếu bạn muốn lấy chính xác cho một lớp học đặc biệt, bạn có thể làm:

(precision.versicolor <- precision["versicolor"]) 
# versicolor 
# 0.9090909 

Nhớ lại cho mỗi lớp học (một lần nữa giả dự đoán là trên các hàng và kết quả đúng là trên các cột) có thể được tính toán với:

recall <- (diag(mat)/colSums(mat)) 
#  setosa versicolor virginica 
# 1.0000000 0.8695652 0.9130435 

Nếu bạn muốn thu hồi cho một lớp học đặc biệt, bạn có thể làm một cái gì đó như:

(recall.virginica <- recall["virginica"]) 
# virginica 
# 0.9130435 

Nếu thay vào đó bạn có kết quả đúng như hàng và kết quả dự đoán như cột, thì bạn sẽ lật các định nghĩa chính xác và gợi lại.

dữ liệu:

(mat = as.matrix(read.table(text=" setosa versicolor virginica 
setosa   29   0   0 
versicolor  0   20   2 
virginica  0   3  21", header=T))) 
#   setosa versicolor virginica 
# setosa   29   0   0 
# versicolor  0   20   2 
# virginica  0   3  21