In terms of the previous diagram, p

In terms of the previous diagram, precision is the fraction of the intersection of the
right circle while recall is the fraction of the intersection of the left circle.
So, how can we optimize for precision? Up to now, we have always used 0.5 as the
threshold to decide whether an answer is good or not. What we can do now is to
count the number of TP, FP, and FN instances while varying that threshold
between 0 and 1. With these counts, we can then plot precision over recall.

Kết quả (Việt) 1:

Trong điều khoản của biểu đồ trước đó, chính xác là phần giao của cáccác vòng tròn bên phải trong khi thu hồi là phần giao của vòng tròn bên trái.Vì vậy, làm thế nào có thể chúng tôi tối ưu hóa cho độ chính xác? Đến nay, chúng tôi đã luôn luôn sử dụng cách 0.5 như cácngưỡng để quyết định liệu một câu trả lời là tốt hay không. Những gì chúng tôi có thể làm bây giờ làđếm số lượng các trường hợp TP, FP và FN trong khi thay đổi đó ngưỡnggiữa 0 và 1. Với những số lượng, sau đó chúng tôi có thể lô chính xác trên thu hồi.

Kết quả (Việt) 2:

Trong điều kiện của sơ đồ trước đó, chính xác là phần nhỏ trong số các giao điểm của các
vòng tròn bên phải trong khi nhớ lại là phần của các giao điểm của vòng tròn bên trái.
Vì vậy, làm thế nào chúng ta có thể tối ưu hóa cho chính xác? Cho đến nay, chúng tôi đã luôn luôn được sử dụng 0,5 như các
ngưỡng để quyết định xem có một câu trả lời là tốt hay không. Những gì chúng ta có thể làm bây giờ là để
đếm số lượng các trường TP, FP, và FN trong khi thay đổi ngưỡng
giữa 0 và 1. Với các tính, chúng ta có thể vẽ chính xác hơn thu hồi.