我们可以使用朴素贝叶斯分类器的准确率百分比来检查分类器的准确度吗？
问问题
868 次
2 回答
2
通常在机器学习中，人们会查看特异性与敏感性来访问分类器的性能。http://en.wikipedia.org/wiki/Sensitivity_and_specificity
由于通常在真阳性、假阳性、真阴性和假阳性之间进行权衡，因此确定在您正在查看的特定应用程序中更重要的是什么是很重要的。
这与交叉验证和可能对随机化决策变量的数据集的预测相结合，应该可以让您了解您的分类器有多好。
请记住，没有预测器性能的简单答案。例如，您想对一个数据集进行分类，其中 99 个样本属于 A 类，其中 1 个属于 B 类。构建分类器以将所有示例分类为 A 将具有 99% 的灵敏度，但仍然不是非常有用。
于 2012-08-02T10:26:42.960 回答
2
这是您可以使用的另一个建议。在信息检索中，F-score是一种常用的评价标准，其中F-score包含两个因素。1. 召回率 = tp / (tp + fn) 2. 精度 = tp / (tp+fp)
（tp = 真阳性...等）
F-score = (2*recall*presicion) / (recall + Precision)
正如约翰所说，评价标准因情况而异。例如，在多标签问题中，有些可能还会考虑 Hamming Loss 或 Ranking Loss。我认为在大多数单标签情况下，F-score 是最受欢迎的。
于 2012-08-09T00:14:42.163 回答