Penjelasan dan Perhitungan Manual Precision Recall F1 Score Classification Report Scikit Learn

Penjelasan dan perhitungan manual mengenai metrik evaluasi seperti Precision, Recall, dan F1 Score merupakan bagian penting dalam proses evaluasi model machine learning. Di dalam library Scikit Learn, terdapat fungsi Classification Report yang dapat memberikan informasi lengkap mengenai metrik evaluasi model.

1. Precision

Precision merupakan rasio dari prediksi benar positif dibagi dengan total prediksi positif yang dilakukan oleh model. Secara matematis, precision dapat dihitung dengan rumus:

Precision = TP / (TP + FP)

2. Recall

Recall merupakan rasio dari prediksi benar positif dibagi dengan total actual positive yang seharusnya diprediksi oleh model. Rumus recall adalah:

Recall = TP / (TP + FN)

3. F1 Score

F1 Score merupakan perpaduan antara precision dan recall. F1 Score dapat dihitung menggunakan rumus:

F1 Score = 2 * (Precision * Recall) / (Precision + Recall)

4. Classification Report menggunakan Scikit Learn

Untuk memperoleh informasi lengkap mengenai metrik evaluasi model seperti Precision, Recall, dan F1 Score, kita dapat menggunakan fungsi Classification Report dari library Scikit Learn. Dengan menggunakan fungsi ini, kita dapat dengan mudah melihat nilai Precision, Recall, dan F1 Score dari model yang kita buat.