मेरे पास 2-लेबल वाले डेटा हैं, जिस पर मैं कई क्लासिफ़ायर का उपयोग करके वर्गीकरण कर रहा हूं। और डेटासेट अच्छी तरह से संतुलित हैं। क्लासिफायर के प्रदर्शन का आकलन करते समय, मुझे यह ध्यान रखना होगा कि क्लासिफायर न केवल सही सकारात्मकता का निर्धारण करने में कितना सही है, बल्कि सही नकारात्मक भी। इसलिए, अगर मैं सटीकता का उपयोग करता हूं, और यदि क्लासिफायर सकारात्मकता के प्रति पक्षपाती है और सब कुछ सकारात्मक के रूप में वर्गीकृत करता है, तो मुझे लगभग 50% सटीकता प्राप्त होगी, भले ही यह किसी भी वास्तविक नकारात्मक को वर्गीकृत करने में विफल रहा हो। यह संपत्ति सटीक और याद करने के लिए विस्तारित है क्योंकि वे केवल एक वर्ग पर ध्यान केंद्रित करते हैं, और एफ 1-स्कोर के बदले। (यह मुझे इस पेपर से भी समझ में आता है, उदाहरण के लिए " परे सटीकता, एफ-स्कोर और आरओसी: प्रदर्शन के मूल्यांकन के लिए भेदभाव के उपाय का एक परिवार ")।
इसलिए, मैं संवेदनशीलता और विशिष्टता (टीपीआर और टीएनआर) का उपयोग करके यह देख सकता हूं कि प्रत्येक वर्ग के लिए क्लासिफायर कैसे किया जाता है, जहां मेरा लक्ष्य इन मूल्यों को अधिकतम करना है।
मेरा प्रश्न यह है कि मैं एक ऐसे उपाय की तलाश कर रहा हूं जो इन दोनों मूल्यों को एक सार्थक माप में मिला दे । मैंने उस कागज में दिए गए उपायों पर ध्यान दिया, लेकिन मैंने इसे गैर-तुच्छ पाया। और मेरी समझ के आधार पर मैं सोच रहा था कि हम एफ-स्कोर जैसा कुछ क्यों नहीं लागू कर सकते, लेकिन सटीक और याद रखने के बजाय मैं संवेदनशीलता और विशिष्टता का उपयोग करूंगा? इसलिए सूत्र और मेरा उद्देश्य अधिकतम करना होगा यह उपाय। मुझे यह बहुत प्रतिनिधि लगता है। क्या पहले से ही एक समान सूत्र है? और यह समझ में आता है या यह भी गणितीय ध्वनि है?