精度和召回率1

Question

我正在使用DNN解决问题。有2个输入变量（都是分类变量）和1个目标变量（二进制）。测试数据的准确性为99.95％。我已经进行了交叉验证（10倍），准确性为99.96（+-0.05）。

在我的结果中，我看到了1.0的精度和召回率。我在这里附上了混淆矩阵和分类报告的图片。

Q1。 这种行为还可以吗？

第二季度。当我再次使用相同的参数运行相同的模型时，我每次都会获得不同的混淆矩阵，但是准确性始终接近99。

Answer 1

首先，您没有没有纯1.00 precision and recall；那只是报告的图，它四舍五入到小数点后两位。正如您已经说过的那样，您的测试准确性和交叉验证准确性都远远超过99.5％（四舍五入为1.00的阈值）。只要您的实验错误率低于2000年的百分之一，您就会得到此结果。

这就引出了一个问题，即训练后的模型具有如此高的准确性是否合理：是的。潜在的准确性取决于数据集中的信息可分离性：是否甚至有可能为给定数据提取可分离空间？只要输出是输入的（确定性）函数，您的模型就可以达到100％的准确性。您只需拥有一个（几乎）可能的数据集。

很清楚吗？