我真搞不清楚如何使用NB分类计算精度和召回监督机器学习算法
例如说
1）I有两个类A，B
2）I具有10000篇文献外面2000前进到训练样本集（类A = 1000，B类= 1000）
3）现在，在上述训练样本集的基础上进行分类使用NB分类其余8000个文档
4）现在5000页的文件分类后进入A级和3000个文档去B类
5）现在如何计算精度和召回？
请帮我..
谢谢
Answer 1:
嗨，你必须分配结果分为四组 -
真正的A级（TA） - 正确地划分为A级
假A类（FA） - 错误地划分为A级
真正的B类（TB） - 正确地划分为B类
假类B（FB） - 错误地分类为B类
精度= Y /（Y + OD）
回想= Y /（Y + FB）
您可能还需要准确性和F-措施：
精度=（TA + TB）/（TA + TB + FA + FB）
F值= 2 *（（*精度召回）/（精度+召回））
更多在这里：
http://en.wikipedia.org/wiki/Precision_and_recall#Definition_.28classification_context.29
Answer 2:
让我解释一点的清晰度。
假设有9只和一些猫的视频和图像处理算法告诉你有7只犬现场，这出只有4个实际上是狗（真阳性），而3是猫（误报）
精密告诉我们走出列为狗的项目，有多少这里居然狗
所以精密=真阳性/（真阳性+假阳性）= 4 /（4 + 3）= 4/7
虽然召回告诉了狗的总数，有多少狗，其中居然发现的。
所以召回=真阳性/总数=真阳性/（真阳性+假阴性）= 4/9
在你的问题
你必须找到准确率和召回的A类和B类
对于A类
真阳性=（在5000个分类的A类文件类A文件数量）
假阳性=（在5000个分类A类文件B类文件的数量）
从上面你可以找到精准。
召回=真阳性/（总A类文件的同时，检测使用的号码）
重复以上的B类找到它的精确度和召回。
文章来源: Calculate Precision and Recall
