0

数据库和分类规则，如何计算precision和recall？

MinSupp=3% và MinConf=30%

No. outlook temperature humidity    windy   play
1   sunny       hot     high        FALSE   no
2   sunny       hot     high        TRUE    no
3   overcast    hot     high        FALSE   yes
4   rainy       mild    high        FALSE   yes
5   rainy       cool    normal      FALSE   yes
6   rainy       cool    normal      TRUE    no
7   overcast    cool    normal      TRUE    yes
8   sunny       mild    high        FALSE   no
9   sunny       cool    normal      FALSE   yes
10  rainy       mild    normal      FALSE   yes
11  sunny       mild    normal      TRUE    yes
12  overcast    mild    high        TRUE    yes
13  overcast    hot     normal      FALSE   yes
14  rainy       mild    high        TRUE    no

发现规则：

1：（前景，阴）->（玩，是）[支持=0.29，信心=1.00，正确分类=3、7、12、13]

2：（湿度，正常），（有风，FALSE）->（播放，是）[支持=0.29，置信度=1.00，正确分类=5、9、10]

3：（前景，晴天），（湿度，高）->（播放，否）[支持=0.21，置信度=1.00，正确分类=1、2、8]

4: (outlook,rainy), (windy,FALSE) -> (play,yes) [Support=0.21 , Confidence=1.00 , Correctly Classify= 4]

5：（前景，晴天），（湿度，正常）->（播放，是）[支持=0.14，置信度=1.00，正确分类=11]

6: (outlook,rainy), (windy,TRUE) -> (play,no) [Support=0.14 , Confidence=1.00 , Correctly Classify= 6, 14]

谢谢。

4

1 回答 1

0

我认为您需要了解的有关精确度和召回率的所有信息都可以在此处找到。

用简单的英语来说，精度是您的系统检索到的实际正确结果的数量/系统指出的正确结果的数量。同样，召回率将是您的系统检索到的实际正确结果的数量/数据集中可用的实际正确结果的总数。

于 2014-12-03T20:23:15.553 回答