Por que a lembrança não leva em consideração os verdadeiros negativos?

Por que a lembrança não leva em consideração os verdadeiros negativos? Em experimentos em que os verdadeiros negativos são tão importantes quanto os verdadeiros positivos, é uma métrica comparável que leva isso em consideração?

precision-recall

— Raffi Khatchadourian
fonte

Eu acho que a verdadeira taxa negativa (também chamada de especificidade em outras configurações) é que você estava procurando, mas consulte en.wikipedia.org/wiki/Precision_and_recall .

— chl

Lembre-se (em combinação com precisão) é geralmente usado em áreas em que se interessa principalmente por encontrar os positivos. Um exemplo para essa área é, por exemplo, Marketing de Desempenho ou (como já sugerido pelo link ch'ls) a área de Recuperação de Informações.

Então:

Se você está interessado principalmente em encontrar os negativos, a "Taxa Negativa Verdadeira" (como já sugerido por chl) é o caminho a percorrer. Mas não se esqueça de olhar para uma métrica "precisão para foco em negativos" (ou seja, , porque, caso contrário, a "verdadeira taxa negativa" pode ser otimizada definindo a previsão como "negativo". para todos os pontos de dados). $\frac{TN}{TN + FN}$

Se você estiver interessado em otimizar o recall para negativos e positivos, consulte "Precisão" (consulte novamente o link do chl). Mas cuidado com a inclinação da classe (ou seja, você tem muito mais pontos positivos do que negativos ou vice-versa ... nesse caso, é possível "otimizar" a precisão definindo a previsão para a classe principal para todos os pontos de dados).

— Steffen
fonte

Obrigado pela resposta à minha pergunta. Estou realmente interessado em otimizar tanto os negativos quanto os positivos. Nesse caso, parece que a precisão é o caminho a seguir, uma vez que considera tp, fp, tn e fn. No entanto, como você mencionou acima, devo estar ciente da inclinação da classe. Portanto, devo apresentar precisão ao lado de outra métrica para combater isso? Obrigado novamente!

— Raffi Khatchadourian 15/03

@ Raffi: Você pode adicionar a proporção de exemplos classificados corretamente da classe menor (ou seja, precisão ou taxa negativa verdadeira, respectivamente). No entanto, acho que deve bastar que você declare sua consciência desse problema e verifique se o modelo não está apenas prevendo a classe principal. Mas esta é apenas a minha opinião.

— Steffen

Obrigado! Acho que vou seguir esse caminho, ou seja, o presente apenas com precisão e que o modelo não está prevendo apenas a classe principal.

— Raffi Khatchadourian 17/03/11