precision은 그냥 간단하게 정답중 내가 맞춘 비율이라고 생각하면 쉬운데
recall은 내가 정답이라고 예측한것중에 맞춘 비율이라는건데 이거 뭐하는건지 모르겠네
뭔가 sequence labeling을 할때
정답의 label들과 내가 tool을 사용해서 나온 label 이 있을때
precision = (정답과 일치하는 라벨수 / 전체 라벨수)로 쉽게 계산하면 되잖아
근데 recall 이거 뭐 어쩌라는거냐....
F1은 precision과 recall의 조화평균을 취해주면 아무것도 아닌데
recall을 어떻게 측정하라는건지 모르겟음 ㅠ
precision = TP / (TP + FP), recall = TP / (TP + FN). precision이랑 accuracy랑 혼동하고 있는듯
좀 더 부가 설명을 하자면 binary classification task에 보통 쓰이고, label이 {0, 1} 인 ground truth 데이터가 있다고 했을때 True Positive (TP)는 binary classifier도 1, 데이터 label도 1인 개수, False Positive (FP)는 binary classifier은 1, 데이터 label은 0인 개수, False Negative (FN) 는 binary classifier은 0, 데이터 label은 1인 개수, True Negative (TN) 는 binary classifier도 0, 데이터 label도 0인 개수를 말함.
여기서 accuracy = (TP + TN) / (TP + FP + TN + FN) 가 님이 precision으로 착각하고 있는 값임.