[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 我们前面讨论了用误差率和正确率来评判一个分类器 当然 很重要的是 我们需要理解 从分类器中得到的正确率和误差率 ( 的确切含义 ) 我经常深思 在具体的情况中 是否存在着 好的误差率 或者 好的正确率 举例来说 一个很常见的错误是 我们会问 我的这个分类器到底有多好 当你构建一个分类器的时候 头一个拿来比较的基准是 优于随机猜测的结果 举例来说 如果你有一个二元分类问题 就像这个例子中 判断一个句子情绪为正面还是负面 那么随机乱猜也能给你50%的正确率
所以你最好使得分类的正确率超过50% 如果有 k 种可能分类结果 
比如说 3 种 你随机猜测的正确率就是33% 4种的话随机猜测的正确率是25%
k种的话是 1/k 所以最起码 分类器结果要比随机猜测好 如果这都达不到 那你的分类方法就毫无意义 事实上 就算比随机猜测好
你也还是需要深思 就算你的分类器看起来做得不错
这种不错是否"有意义" ? 举个例子 假如你有个垃圾邮件预测器
它的正确率有90% 你能拿它出去吹牛吗? 它够棒了吗? 这个 还得看情况 如果是垃圾邮件分类器 这个正确率不行
因为2010年数据显示 世界上所有发送的电子邮件中
有90%都是垃圾邮件 所以我只要猜说每封邮件都是垃圾邮件
那么我的正确率是多少? 90% 这个问题就是所谓的 大多数类别预测 它只是把所有情况都预测成
最常出现的那个类别 在这种类别不平衡的情况下 这么做的正确率可以很高 因为某一类比其它类出现频率高的多 就像垃圾邮件比好邮件出现频率高的多一样 所以 你要特别小心
在考虑自己的正确率够不够好的时候 一定要注意有没有不平衡类别 而且当然 这么做 ( 永远猜最有可能的那类 ) 
肯定比随机猜测准确率高 只要你知道大多数情况是哪一类 所以你永远需要深挖你的问题 思考你得到的预测 到底你得到的正确率 对你要回答的问题来说
有没有意义 所以 要问问自己
有不平衡类别的问题吗? 跟随机猜测这个基准相比 结果如何 跟只预测大多数类别比呢
跟其它更高级的标准比呢 最重要的是  考虑你的应用 问你自己 多高的准确率会让我的用户足够开心 比如说 在垃圾邮件过滤器里 
如果你的正确率不够好 会有重要邮件被扔进垃圾邮件文件夹里
那很可能是个非常糟糕的事情 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community