网站开发vs平台的功能网站搜索引擎优化技术

倾斜数据集的精确度和召回率

当在开发机器学习程序时，其中正反例子的比例失衡，远非50-50，那么通常的错误度量指标，如准确率，就不会那么有效；

例子：训练一个二元分类，基于实验室测试和其他数据来检测病人身上是否有某种罕见疾病；

假设你发现在测试集上，该模型的错误率是1%，即拥有99%的正确率，但事实上，如果这是罕见病，则y=1的数据例子就非常少，假如只有0.5%的人有这种病，你在程序中只需要写print(“y=0”) 则这个程序就拥有99.5%的准确率，这行代码实际上比你的模型（99%）的准确率还高（手动狗头）。换句话来说，无法判断99%的准确率是好还是不好，假如有三个模型，对于检测这种病有99.2% 99.5% 99.6%的准确率，实际上无法判断哪个模型更有用。

在处理数据集不平衡的问题时，通常使用一个不同的错误指标，而不是仅用分类错误来判断学习效果。

常用的错误指标是精确率precision和召回率recall。

在例子中，y=1是想要检测的稀有类别；特别地，为了评估具有稀有类别的算法的性能，构建《混淆矩阵》confusion matrix 会很有用。

为了评估模型在交叉验证集/测试集上（如25/100）的表现，统计实际类别为1且预测也为1的示例，统计实际类别为0但预测为1的数量，统计实际为1但预测为0的数目，以及统计实际为0预测也为0的数目；

将实际为1预测也为1的称为真正例true positive，将实际为0预测也为0的称为真负例，将实际为0预测为1的称为假正例，将实际为1预测为0的称为假负例false negative；

统计完这四个数目，通常会计算的两个常见指标是精确度和召回率；

精确度：在模型预测为y=1的病人中，有多少病人实际上真有这种病； 精确度 = 真正例的数目 / 被预测为正例的数目 = 15 / 20 = 75%；

召回率：在实际的患病者中，实际上预测出了多少位；召回率 = 真正例的数目 / 实际为正例的数目 = 真正例 / （真正例 + 假负例）= 15 / 25 = 60%；

这两个指标可以帮助检测模型是否一直在预测y=0，即预测正例永远为0，真正例永远为0；

总的来说，一个精确度或者召回率为0的学习算法是不可靠的，不实用的，

计算精确度和召回率，更容易评判一个算法是否相对合理准确，当它预测某人患病时，则他患病的概率有75%；它在患病者人群中能预测出一部分人（60%）患病；

当涉及稀有类别时，计算并确保精准度和召回率都比较高，更能说明模型的有效性；

召回率：衡量的是在所有患病者中，你能诊断出多少比例的人确实患病；

精确度和召回率的权衡

为了优化学习算法的性能，需要权衡精确度和召回率

在通常情况下，对于逻辑回归的输出的阈值判断通常是在0.5处做判断，二元分类；

但对于罕见疾病的例子来说，只有当比较有把握确信时才判断结果为1（因为可能涉及昂贵的治疗等/不是特别确信时就继续保守治疗），这时可能会将阈值从0.5设为更高的值（比如0.7），即当模型预测概率更接近1时才判断为患病；

提高阈值时会使得精确率precision变高，但是recall变低；

（PS：医学上，precision是阳性预测值；recall是敏感度）

另一方面，又希望避免漏诊患病的病例，考虑到漏诊后续延误治疗带来的严重后果，（当治疗不是非常有侵入性 痛苦和昂贵），出于安全考虑，有些怀疑时就预测患者患病并考虑治疗，这是可以考虑降低阈值0.5，比如0.3；

降低阈值将使精确率precision变低，但是recall变高；

因此，改变阈值就是在精确率和召回率之间做权衡。

以及精确率和召回率之间的曲线关系；尝试在曲线上找一点，以平衡假正例和假负例的代价/后果，或是平衡高精准率和高召回率的收益。

很多情况下，都是手动选择阈值，以平衡精确率和召回率。

自动权衡精确率和召回率

指标 F1 score，有时被用来自动组合精确率和召回率，以帮助选择最佳值或二者之间的权衡；

精确率和召回率：两个不同的指标来评估算法模型；

因此，对于三个有着不同精确率和召回率的算法模型来说，很难去选择或评估哪个模型更优；

找到一种将精准率和召回率组合为一个分数的方法，以便评估和排序不同的模型；

方法1：取平均值（事实证明效果很差）；

方法2：计算F1 score；

F1 score: 更关注较低分的计算方法；

F1 score 提供了一种这种精确率和召回率的方法；

在数学中，这个公式被称为PR调和平均值；调和平均是强调较小值的一种平均计算方法；