Sorry, this entry is only available in German.

(Deutsch) precision = True Positives (TP) / [True Positives (TP) + False Positives (FP)]

(Deutsch) je nach Bedarf, in der Regel beim trainieren eines Neuen Klassifikationsmodells

(Deutsch) Accuracy, Recall

(Deutsch) Ausgehend auf der Grundlage des Beispiels der KPI Confusion Matrix, ergäben sich für die Accuracy folgende Werte: True Positives (TP): 30 (E-Mails, die korrekt als Spam erkannt wurden) False Positives (FP): 5 (E-Mails, die fälschlicherweise als Spam markiert wurden) precision = 30 + ( 30 + 5 ) = 30 / 35 = 0,875 = 87,5% In diesem Fall bedeutet eine Precision von 85.7%, dass von allen E-Mails, die als Spam vorhergesagt wurden, 85.7% tatsächlich Spam waren

(Deutsch) Fallabhängig, Je höher die Precision, desto weniger Fehlalarme (False Positives) macht das Modell