使用下面的精度召回图，其中召回在x轴上，精度在y轴上，我可以使用此公式来计算给定精度，召回阈值的预测数量吗？
这些计算基于橙色趋势线。
假设此模型已在100个实例上进行了训练，并且是二进制分类器。
召回值为0.2时(0.2 * 100)= 20个相关实例。在召回值为0.2时，精度= .95，所以真实阳性的数量(20 * .95)=19。这是从精确召回图中计算真实阳性的数量的正确方法吗？
最佳答案
我会辩解说不可能这样做。为了简化计算，我将召回20％，90％的精度和100个观察值。
我可以制作两个将产生这些数字的结果矩阵。 TP/TN表示测试阳性和阴性，CP/CN表示条件阳性/阴性:
CP CN
TP 9 1
TN 36 54
和
CP CN
TP 18 2
TN 72 8
矩阵1的TP为9，FP为1，FN为36，因此召回率为9/(36 + 9)= 20％，精度为9/(1 + 9)= 90％
矩阵2的TP为18，FP为2，FN为72，召回率为18/(72 + 18)= 20％，精度为18/(2 + 18)= 90％
由于我可以产生两个具有不同TP且具有相同的查全率+精度的矩阵，因此该图无法提供足够的信息来追溯TP。
关于machine-learning - 从精确召回曲线计算真实正数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55147261/