研究文章
自动预测好字典的例子(GDEX):一个综合实验与远方监督机器学习,单词Embedding-Based深度学习技巧
|
| 名称(简称) |
推导 |
定义/笔记 |
|
| 精度 |
|
精密(或者称为阳性预测值)揭示了TP比预计积极的PS的文档 |
| 回忆(R) |
|
回忆(或真阳性率)显示正确的PS预测潜在的积极的文件系统中所有积极的文档的子集 |
| 特异性(年代) |
|
特异性(或真阴性率)是完全相反的R。它给PS -文档的潜力 |
| F1测量(F) |
|
F1测量是一个调和平均数的和R。使用数据集的不平衡是很重要的;此外,这是一个严格的措施,最小值的倾向和R(41] |
| 精度(一个) |
|
准确性使PS的整体可信性 |
| 平衡精度(BA) |
|
同样的F,平衡精度也平均统计,它给的算术平均值R和年代 |
|
|
