Mierzenie wydajności

Wprowadzenie do wykrywania anomalii w R

Alastair Rushworth

Data Scientist

Użycie progu decyzyjnego

Wybór wysokiej wartości

high_score <- quantile(sat$score, probs = 0.99)
high_score

    99% 
0.6228078

Binaryzacja wyniku

sat$binary_score <- as.numeric(score >= high_score)

Porównanie etykiety rzeczywistej z wynikiem binarnym

table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

Poprawnie zidentyfikowane anomalie $\div$ Wszystkie anomalie

table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

recall <- 56 / (15 + 56)
recall

0.7887324

Poprawnie zidentyfikowane anomalie $\mathbf{\div}$ Wszystkie oznaczone jako anomalie

table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

precision <- 56 / (56 + 3)
precision

0.9491525

Wprowadzenie do wykrywania anomalii w R