哈囉大家好,我是橘白卯咪,歡迎大家來看看我能不能撐過30天
接著昨天的準確度報告
accuracy on training set is 0.99
accuracy on testing set is 0.93
accuracy report:
precision | recall | f1-score | support | |
---|---|---|---|---|
dab | 0.94 | 0.96 | 0.95 | 334 |
other | 0.97 | 0.92 | 0.95 | 206 |
accuracy | 0.95 | 540 | ||
macro avg | 0.96 | 0.94 | 0.95 | 540 |
weighted avg | 0.95 | 0.94 | 0.95 | 540 |
今天繼續來介紹
這一欄呈現該類別的樣本數,可以從樣本數量了解各類樣本比例是否均衡
所有類別的每一個統計指標值的算術平均值,也就是將各類數值加起來直接平均
例如:precision的macro avg就是(0.94+0.97)/2=0.96
有時候各類別的樣本數差異比較大,這時候就會考慮加權平均,將各項數值乘上樣本數再除以總樣本數
例如:precision的weighted avg就是(0.94334+0.97206)/(334+206)=0.95
了解了準確率報告的各項數值,現在的你應該能夠說明自己的模型好或不好
就算不好,大概也可以說明哪一個部分不好
明天,讓我們看看行為辨識的結果,有哪一些形式,以及可以怎麼使用~~