COMPUTATIONAL THINKING

THÀNH VIÊN NHÓM

STT	MSSV	Họ và Tên	Chức Vụ	Github	Email
1	19521676	Đỗ Trọng Khánh	Nhóm trưởng	trong-khanh-1109	19521676@gm.uit.edu.vn
2	19521383	Võ Phạm Duy Đức	Thành viên	ducducqn123	19521383@gm.uit.edu.vn
3	19521326	Trịnh Công Danh	Thành viên	danhtrinh15092001	19521326@gm.uit.edu.vn

Cách đánh giá này đơn giản tính tỉ lệ giữa số điểm được dự đoán đúng và tổng số điểm trong tập dữ liệu kiểm thử.

Các tính Accuracy ở trên chỉ cho ta biết được phần trăm lượng dữ liệu được phân loại đúng mà không chỉ ra rõ được lớp nào có độ chính xác cao nhất hay thấp nhất và dữ liệu của lớp nào thường bị phân loại nhầm vào lớp khác.
Do đó Confusion matrix thể hiện có bao nhiêu điểm dữ liệu thực sự thuộc vào một class, và được dự đoán là rơi vào một class.

Bài toán phân loại mà tập dữ liệu của các lớp là chênh lệch nhau rất nhiều, có một phép đó hiệu quả thường được sử dụng là Precision-Recall.
Precision được định nghĩa là tỉ lệ số điểm Positive mô hình dự đoán đúng trên tổng số điểm mô hình dự đoán là Positive => Precision càng cao, tức là số điểm mô hình dự đoán là positive đều là positive càng nhiều.
Recall được định nghĩa là tỉ lệ số điểm Positive mô hình dự đoán đúng trên tổng số điểm thật sự là Positive (hay tổng số điểm được gán nhãn là Positive ban đầu) => Recall càng cao, tức là số điểm là positive bị bỏ sót càng ít.