Читать книгу Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow - Aurélien Géron - Страница 97

RP ist dabei die Anzahl richtig Positiver und FP die Anzahl falsch Positiver.

Eine perfekte Relevanz lässt sich trivialerweise erhalten, indem man eine einzige positive Vorhersage trifft und sicherstellt, dass sie richtig ist (Relevanz = 1/1 = 100%). Dies wäre nicht besonders nützlich, da der Klassifikator dann alle außer einem positiven Datenpunkt ignorieren würde. Daher geht die Relevanz üblicherweise mit einem zweiten Maß namens Sensitivität (engl. Recall) einher, das auch als Trefferquote oder Richtig-positiv-Rate (TPR) bezeichnet wird: Dieses ist der Anteil positiver Datenpunkte, die vom Klassifikator entdeckt wurden (siehe Formel 3-2).