اوسط درستگی اور PR-AUC

درستگی پوچھتی ہے کہ کتنے منتخب معاملات مثبت ہیں۔ Recall پوچھتا ہے کہ تمام مثبت کیسوں میں سے کتنے کو منتخب کیا گیا ہے۔ جیسا کہ ایک ماڈل کے سکور کی حد کم ہوتی ہے، زیادہ کیسز منتخب سیٹ میں داخل ہوتے ہیں۔ ریکال کم نہیں ہو سکتا کیونکہ حد کم ہو جاتی ہے، لیکن نئے شامل کیے گئے کیسز کے لحاظ سے درستگی بڑھ سکتی ہے یا گر سکتی ہے۔ ایک درستگی-یاد کرنے والا وکر اس تجارت کا پتہ لگاتا ہے۔ یہ خاص طور پر نایاب مثبت طبقے کے لیے معلوماتی ہے کیونکہ یہ براہ راست ظاہر کرتا ہے کہ کتنی منتخب اشیاء جھوٹے الارم ہیں۔ ایک وصول کنندہ آپریٹنگ خصوصیت کا وکر غلط-مثبت شرح کا استعمال کرتے ہوئے ایک مختلف سوال کا جواب دیتا ہے، جس کے ڈینومینیٹر میں تمام حقیقی منفی شامل ہوتے ہیں۔ کوئی بھی نظریہ حقیقی فیصلے کے اخراجات پر غور کرنے کی ضرورت کو دور نہیں کرتا ہے۔ اوسط درستگی یادداشت میں متعلقہ اضافہ کے لحاظ سے درست قدروں کو وزن دے کر درستگی-یاد کرنے کے تعلق کا خلاصہ کرتی ہے۔ بندھے ہوئے اسکور کے بغیر ایک سادہ درجہ بندی میں، یہ مثبت کیسز کے زیر قبضہ صفوں میں اوسط درستگی کے برابر ہے۔ فرض کریں کہ صرف دو مثبت پہلے اور تیسرے ظاہر ہوتے ہیں۔ ان پوزیشنوں پر درستگی ایک اور دو تہائی ہے، لہذا اوسط درستگی تقریباً 0.833 ہے۔ لیبل PR-AUC مبہم ہو سکتا ہے۔ کچھ رپورٹس کا مطلب ہے یاد کرنے کے خلاف درستگی کا trapezoidal انضمام؛ دوسرے اسے اوسط درستگی کے لیے ڈھیلے طریقے سے استعمال کرتے ہیں۔ Scikit-learn اوسط_precision_score کو auc سے ممتاز کرتا ہے، جو trapezoidal اصول کا اطلاق کرتا ہے۔ یہ اقدار مختلف ہو سکتی ہیں کیونکہ انٹرپولیشن مفروضے مختلف ہیں۔ اصل حساب بتائیں۔ درستگی کا انحصار تشخیصی آبادی میں مثبت کے پھیلاؤ پر ہے۔ متوازن نمونے سے حاصل کردہ اسکور کسی تعیناتی کی ترتیب کو بیان نہیں کر سکتا جہاں مثبتات نایاب ہوں۔ مثبت حصہ اور تشخیصی ڈیزائن کی اطلاع دیں۔ آخر میں، دہلیز پر ایک خلاصہ آپریٹنگ تھریشولڈ کا انتخاب نہیں کرتا ہے۔ اس مقام پر درستگی، یاد کرنے اور کام کے بوجھ کا معائنہ کریں جہاں ماڈل اصل میں استعمال کیا جائے گا۔