Miara wydajności: Dlaczego nazywa się to wycofaniem?


11

precyzja to ułamek odzyskanych wystąpień, które są istotne, podczas gdy przywołanie (znane również jako wrażliwość) to ułamek odpowiednich odzyskanych wystąpień.

Znam ich znaczenie, ale nie wiem, dlaczego nazywa się to wycofaniem ? Nie jestem ojczystym językiem angielskim. Wiem, że pamiętanie oznacza zapamiętaj, to nie wiem, jak ważne jest to znaczenie dla tej koncepcji! może zasięg był lepszy, ponieważ pokazuje, ile wystąpień zostało objętych ... lub jakikolwiek inny termin.

Co więcej, wrażliwość jest również dla mnie niewrażliwa!

Czy możesz mi pomóc w powiązaniu tych słów z koncepcją i ich zrozumieniu?


„precyzja to ułamek odzyskanych wystąpień, które są istotne, podczas gdy przywołanie (znane również jako wrażliwość) to ułamek odpowiednich odzyskanych wystąpień”. ta definicja brzmi dość zwięźle. Skąd to masz?
Sanghyun Lee,

Odpowiedzi:


5

Myślę, że termin „wrażliwość” pochodzi od świata badań medycznych. Bardzo czuły test da wynik pozytywny dla większości lub wszystkich osób, które przystąpią do testu i naprawdę chorują, a także dla wielu osób, które tego nie zrobią. Odpowiada to wysokiej wartości wycofania, co oznacza, że ​​zapytanie pobiera większość lub wszystkie odpowiednie dokumenty, a także wiele, które mogą nie być istotne.


3

Wycofanie oznacza przywrócenie lub zapamiętanie. Terminologia pochodzi z wyszukiwania informacji, gdzie zwykle jest stosowana do zestawu wyników z zapytania. Przypuszczam, że sens tego polega na tym, jak wiele prawidłowych odpowiedzi zostało wyszukanych w zapytaniu? ile z tego zostało odwołane?

Nie wiem, czy „zasięg” jest lepszy, czy nie. Słowo „wrażliwość” jest również używane w znaczeniu tego samego co „przypomnieć”. W każdym razie są to tylko standardowe słowa dla tych pomysłów.


1
I jeszcze jeden - prawdziwie dodatni wskaźnik.
stmax

1
Dziękuję, więc jego sens jest bliski „odzyskać”, samo „odzyskanie” było lepsze!
Ahmad

Trochę zmodyfikowałem swoje pytanie.
Ahmad

2

przywoływanie nazywa się „przywoływaniem”, ponieważ jest to ułamek odpowiednich (zestawów treningowych) przypadków, które zostały „przywołane” (tak lub „odzyskane”, jak sugerujesz.) „zasięg” byłby bardziej niejednoznaczny, mógłby zostać źle zinterpretowany jako inne rzeczy, np. % zestawu treningowego, na którym trenowałeś (np. partycja. Twoje sugerowane „pokrycie” miałoby sens z zestawu treningowego, ale nie zestawu testowego, dlatego jest zbyt dwuznaczne).

Zawsze zakładałem, że przyczyna „przypominania” była również znana jako „czułość” spowodowana przetwarzaniem sygnału lub wpływami medycznymi: pomyśl o wykrywaczu min lub radar lub test na chorobę: „wrażliwy” oznacza, że ​​odbiera większość / wszystkie ze znanych odpowiednich przykładów (z zestawu szkoleniowego).

Tak, większość tajemnych nazw tych terminów jest naprawdę nieintuicyjna i jest to patchworkowa kołdra zaczerpnięta ze słownictwa z różnych dziedzin przez wiele dziesięcioleci, ale teraz są one zapadnięte, więc musisz znaleźć mnemonik, aby się ich nauczyć, a nie dostać zbyt rozłożyłem się na nich i zabieraj się do rzeczy ...


0

Oświadczenie: Nie jestem też native speakerem.

Pierwszą rzeczą, jaka przyszła mi do głowy, jest to, że słyszysz w wiadomościach, że jakiś producent samochodów musi wycofać niektóre pojazdy z powodu pewnych problemów. Ale zwykle przywołują samochody tylko na podstawie niektórych kryteriów. Tak więc nie wszystkie samochody z problemem są „przywoływane”. Aby sformułować inaczej, podczas gdy niektóre z problemów (prawdziwie pozytywne) są przywołane, inne z problemami mogą nie kwalifikować się do kryteriów wycofania (fałszywie negatywne).

Myślę, że wrażliwość można interpretować pod kątem „reguły / kryteriów wycofania” . Wyższa czułość oznacza, że ​​reguła jest bardziej wrażliwa na problem (np. Problemy samochodu), ale prawdopodobnie spowoduje to wyższy fałszywy wynik dodatni.

Ogólnie rzecz biorąc, przywołanie jest jednym z prawdziwych pozytywnych wyników procentowych, które udało się zidentyfikować (przywołać). Wrażliwość określa stopień wrażliwości reguły / algorytmu klasyfikacji na problem (atrybuty prawdziwie pozytywnego).

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.