准确率和召回率 1
Precision and recall of 1
我正在使用 DNN 解决一个问题。有 2 个输入变量（均为分类）和 1 个目标变量（二进制）。测试数据的准确率为99.95%。我做了交叉验证（10 倍），准确率是 99.96 (+- 0.05)。
在我的结果中，我看到准确率和召回率均为 1.0。我在这里附上了混淆矩阵和分类报告的图像。
Q1。 这种行为可以吗？
Q2。当我 运行 再次使用相同参数的相同模型时，我每次 得到不同的混淆矩阵 但是准确度总是接近 99.
首先，您 没有 有一个纯 1.00 precision and recall；这只是 报告的 数字，四舍五入到小数点后两位。正如您已经说过的，您的测试准确率和 cross-validation 准确率都远远超过 99.5%，四舍五入到 1.00 的阈值。只要你的实验错误率低于 2000 年的一部分，你就会得到这个。
这引出了一个问题，即经过训练的模型具有如此高的准确性是否合理：是的，是的。潜在的准确性取决于数据集中的信息可分离性：是否甚至 可能 为给定数据提取可分离的 space？只要输出是输入的（确定性）函数，您的模型就可以达到 100% 的准确度。您只需拥有一个（几乎）可能的数据集。
清楚了吗？
我正在使用 DNN 解决一个问题。有 2 个输入变量（均为分类）和 1 个目标变量（二进制）。测试数据的准确率为99.95%。我做了交叉验证（10 倍），准确率是 99.96 (+- 0.05)。
在我的结果中，我看到准确率和召回率均为 1.0。我在这里附上了混淆矩阵和分类报告的图像。
Q1。 这种行为可以吗？
Q2。当我 运行 再次使用相同参数的相同模型时，我每次 得到不同的混淆矩阵 但是准确度总是接近 99.
首先，您 没有 有一个纯 1.00 precision and recall；这只是 报告的 数字，四舍五入到小数点后两位。正如您已经说过的，您的测试准确率和 cross-validation 准确率都远远超过 99.5%，四舍五入到 1.00 的阈值。只要你的实验错误率低于 2000 年的一部分，你就会得到这个。
这引出了一个问题，即经过训练的模型具有如此高的准确性是否合理：是的，是的。潜在的准确性取决于数据集中的信息可分离性：是否甚至 可能 为给定数据提取可分离的 space？只要输出是输入的（确定性）函数，您的模型就可以达到 100% 的准确度。您只需拥有一个（几乎）可能的数据集。
清楚了吗？