我运行 SVM-Light 分类器,但它输出的召回/精度行似乎已损坏:
Reading model...OK. (20 support vectors read)
Classifying test examples..100..200..done
Runtime (without IO) in cpu-seconds: 0.00
Accuracy on test set: 95.50% (191 correct, 9 incorrect, 200 total)
Precision/recall on test set: 0.00%/0.00%
我应该配置什么才能获得有效的精度和召回率?
最佳答案
例如,如果你的分类器总是预测“-1”——负类;然而,您的测试数据集包含 191 个“-1”和 9 个“+1”作为黄金标签,您将得到其中 191 个正确分类的数据,其中 9 个错误分类的数据。
True positives : 0 (TP)
True negatives : 191 (TN)
False negatives: 9 (FN)
False positives: 0 (FP)
Thus:
TP 0
Precision = ----------- = --------- = undefined
TP + FP 0 + 0
TP 0
Recall = ----------- = --------- = 0
TP + FN 0 + 9
从上面的公式中,您知道只要您的 TP 为零,您的精度/召回率要么为零,要么未定义。
要进行调试,您应该输出(对于每个测试示例)黄金标签和预测标签,以便您知道问题出在哪里。
关于machine-learning - SVM-Light 显示损坏的精度/召回结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29634695/