Given a query, an engine classifies

Given a query, an engine classifies each doc as “Relevant” or “Nonrelevant”
The accuracy of an engine: the fraction of these classifications that are correct
(tp + tn) / ( tp + fp + fn + tn)
Accuracy is a commonly used evaluation measure in machine learning classification work
Why is this not a very useful evaluation measure in IR?

ผลลัพธ์ (ไทย) 1:

ได้รับแบบสอบถาม เครื่องยนต์การแบ่งประเภทเอกสารแต่ละ "Relevant" หรือ "Nonrelevant"ความถูกต้องของเครื่องยนต์: เศษของเหล่านี้จัดประเภทที่ถูกต้อง(tp + tn) / (tp + fp + fn + tn)ความถูกต้องเป็นการวัดประเมินผลที่ใช้กันทั่วไปในเครื่องที่ทำงานประเภทการเรียนรู้ทำไมเป็นเช่นนั้นไม่การวัดประเมินผลมีประโยชน์มากใน IR หรือไม่

ผลลัพธ์ (ไทย) 2:

ได้รับแบบสอบถามเครื่องมือจัด doc เป็นแต่ละ "เกี่ยวข้อง" หรือ "Nonrelevant"
ความถูกต้องของเครื่องยนต์: ส่วนของการจำแนกประเภทเหล่านี้ที่ถูกต้อง
(TP + TN) / (TP + FP + Fn + TN)
ความถูกต้องเป็นทั่วไป การประเมินผลตัวชี้วัดที่ใช้ในการทำงานการจัดหมวดหมู่การเรียนรู้เครื่อง
นี้คือเหตุผลที่ไม่ได้เป็นตัวชี้วัดการประเมินผลที่มีประโยชน์มากในการ IR?

ผลลัพธ์ (ไทย) 3:

ได้รับแบบสอบถาม เครื่องยนต์ คือแต่ละหมอ " ที่เกี่ยวข้อง " หรือ " nonrelevant "
ความถูกต้องของเครื่องยนต์ : ส่วนของหมวดหมู่ที่ถูกต้อง
( TP TN ) / ( TP tp FN TN )
ความถูกต้องเป็นที่นิยมใช้ในการประเมินวัดเครื่องเรียนรู้การจำแนก
ทำไมมันไม่ประโยชน์ มาตรการในการประเมินมากและ ?