召回率/正例/负例

目录

1. 数据标签

2. 正例在评估指标中的关键作用

2.1 四种基本结果

2.2 精确率 vs 召回率在考试中的含义

2.3精确率（Precision）

2.4 召回率（Recall）

3. 数据层面优化

3.1 处理类别不平衡

3.2 收集更多正例数据

假设我们要训练一个模型来区分猫和狗的图片：

• 正例：猫的图片（假设我们想识别猫）。
• 负例：狗的图片。

1. 数据标签

通常，正例和负例会被标注为：

• 正例标签：1（或“True”）。
• 负例标签：0（或“False”）。

2. 正例在评估指标中的关键作用

在分类任务中，正例和负例直接影响模型的性能指标（如召回率、精确率）。以下是关键概念：

2.1 四种基本结果

模型预测后，样本会被分为四类：

假设你参加了一次判断题考试，共有 100 道题，题目分为两类：

• 正例（Positive）：正确答案（如题目正确，应答“对”）。
• 负例（Negative）：错误答案（如题目错误，应答“错”）。

你回答后，老师统计了以下结果：

• 实际正确答案（正例）：共有 80 道题（TP + FN = 80）。
• 实际错误答案（负例）：共有 20 道题（TN + FP = 20）。

你的回答结果如下：

• 你答对的正确题（TP）：70 道（正确题目中你答对了 70 题）。
• 你答错的正确题（FN）：10 道（正确题目中你漏掉了 10 题）。
• 你答对的错误题（TN）：15 道（错误题目中你正确判断为错的题）。
• 你误判的错误题（FP）：5 道（错误题目中你错误地答为对的题）。

2.2 精确率 vs 召回率在考试中的含义

2.3精确率（Precision）

• 类比：你认为自己答对的题目中，实际真正确题的比例。
• 公式：

  Precision=TPTP + FP=7070+5=93.3%Precision=TP + FPTP​=70+570​=93.3%

• 含义：
  • 你一共认为自己答对了 75 题（TP=70 + FP=5）。
  • 其中 70 题 是真正确题，5 题 是误判的错误题。
  • 精确率 93.3% 表示：“你认为答对的题中，约 93% 是真正确题”。

2.4 召回率（Recall）

• 类比：所有真正确题中，你正确答对的比例。
• 公式：

  Recall=TPTP + FN=7070+10=87.5%Recall=TP + FNTP​=70+1070​=87.5%

• 含义：
  • 总共有 80 道真正确题。
  • 你正确答对了 70 题，漏掉了 10 题。
  • 召回率 87.5% 表示：“所有真正确题中，你找到了 87.5%”。

提高召回率的核心目标是尽可能多地捕捉所有实际存在的正例（Positive Examples），即使这意味着会增加一些误判的负例（False Positives）。以下是具体方法和策略，结合理论和实践示例，帮助你系统性地提升召回率：

3. 数据层面优化

3.1 处理类别不平衡

当正例（目标类别）远少于负例时，模型容易偏向预测多数类（负例），导致召回率低。以下是解决方案：

• # 使用SMOTE过采样
  from imblearn.over_sampling import SMOTE
  X_resampled, y_resampled = SMOTE().fit_resample(X_train, y_train)

• 欠采样（Undersampling）：随机删除部分负例，使类别分布平衡。
• 调整类别权重（Class Weight）：在训练时给正例更高的权重，迫使模型更关注正例。

  # 示例：在Scikit-learn中设置class_weight
  model = LogisticRegression(class_weight='balanced')
  model.fit(X_train, y_train)

3.2 收集更多正例数据

• 方法：通过人工标注或外部数据源获取更多正例样本。
• 数据增强：对现有正例进行变换生成新样本（如图像旋转、文本同义词替换）。

模型侧面我后面再补充