Wie finden Sie die Precision, Recall, Accuracy mit SVM?

Doppelte Berechnung von Precision, Recall und F-Score

Habe ich eine input-Datei mit dem text der Beschreibung und der klassifizierungsstufe (ich.e.levelA und levelB). Ich möchte schreiben Sie einen SVM-Klassifizierer, die Messen, precision, recall und accuracy. Ich schaute auf scikit
und LIBSVM aber ich will mehr wissen Schritt für Schritt.

Sample-code oder basic tutorial wäre echt nett. Vielen Dank für jede Anregung im Voraus.

möglich, Duplikat der so berechnen Sie precision, recall und F-score mit libSVM in python
Hier ist eine Erweiterung für libsvm: csie können.ntu.edu.tw/~cjlin/libsvmtools/eval/index.html

InformationsquelleAutor | 2013-07-11

  1. 10

    Diese Kennzahlen sind leicht zu erhalten aus dem vorhergesagten Etiketten und labels true, als post-processing Schritt:

    1. Precision = TP /(TP+FP)
    2. Recall = TP /(TP+FN)
    3. Accuracy = (TP + TN) /(TP + TN + FP + FN)

    Mit TP, FP, TN, FN) wird die Anzahl der true positive, false positive, true negative und false negative, beziehungsweise.

    Danke Marc, aber das habe ich schon einige studieren, einige Grundlagen, aber ich brauche genauere Informationen Schritt für Schritt Umsetzung.
    Die Schritte sind: trainieren einer SVM (stellen Sie sicher, um es zu optimieren korrekt) Vorhersagen das test-set compute-performance-Maßnahmen, basierend auf prognostizierten Etiketten und labels true.
    Können Sie bitte schlage mich jedes tutorial oder Buch mit code-snippets. Ich will nicht genau den ganzen code, sondern für das lernen Zweck wäre es wirklich nützlich. Danke.
    Der code ist trivial. Es ist nur eine Frage der halten vier Zähler und dann mit den Formeln, die Marc zur Verfügung gestellt. Für jedes vorhergesagte label: wenn vorhergesagte label == true label und true-label positiv ist, erhöhen TP, wenn die vorhergesagten label == true label und label-negativ ist, Inkrement TN; wenn vorhergesagte label positiv ist, und true-label ist negativ; Inkrement FP; sonst Inkrement FN. Versuchen Sie dieses video: youtube.com/watch?v=2akd6uwtowc.

    InformationsquelleAutor Marc Claesen

Schreibe einen Kommentar