Präzisions- und Rückrufrechner

Berechnen Sie Präzision, Rückruf und F1-Score aus echten positiven, falsch positiven und falsch negativen Ergebnissen. Unverzichtbar für die Bewertung von Klassifizierungsmodellen für maschinelles Lernen.

Echte Positive (TP)

Falsch Positive (FP)

Falsch Negative (FN)

So verwenden Sie den Präzisions- und Rückrufrechner

Geben Sie die Anzahl der True Positives (TP) ein.
Geben Sie die Anzahl der False Positives (FP) ein.
Geben Sie die Anzahl der False Negatives (FN) ein.
Klicken Sie auf Berechnen, um Präzision, Rückruf und F1-Ergebnis zu erhalten.

Anwendungsfälle

•Bewertung binärer Klassifizierungsmodelle beim maschinellen Lernen.
•Vergleich verschiedener Modelle zu unausgeglichenen Datensätzen.
•Klassifizierungsschwellenwerte für Geschäftsanforderungen anpassen.
•Berichterstattung über die Modellleistung in Forschungsarbeiten.

Formel

Präzision = TP / (TP + FP). Rückruf = TP / (TP + FN). F1 = 2 × Präzision × Rückruf / (Präzision + Rückruf).

Häufig gestellte Fragen

Was ist Präzision?

Präzision misst das Verhältnis der echten Positiven zu allen vorhergesagten Positiven: TP / (TP + FP).

Was ist Rückruf?

Recall misst das Verhältnis der echten Positiven zu allen tatsächlichen Positiven: TP / (TP + FN).

Wann sollte ich Erinnerung der Präzision vorziehen?

Bevorzugen Sie einen Rückruf, wenn das Fehlen eines positiven Ergebnisses kostspielig ist, z. B. bei der medizinischen Diagnose oder der Aufdeckung von Betrug.