Δύο κοινές μετρήσεις είναι η ακρίβεια και η ακρίβεια. Η κατανόηση του τρόπου υπολογισμού αυτών των μετρήσεων είναι απαραίτητη για την αξιολόγηση της απόδοσης του μοντέλου.

Υπολογισμός Ακρίβειας

Η ακρίβεια μετράει το ποσοστό των σωστών προβλέψεων που κάνει το μοντέλο από όλες τις προβλέψεις. Υπολογίζεται χρησιμοποιώντας τον τύπο:

Ακρίβεια = (Αριθμός σωστών προβλεπομένων) / (Συνολικός αριθμός προβλεπομένων)[[LFT:1]]

Για παράδειγμα, αν ένα μοντέλο προβλέπει σωστά 90 από τα 100 περιστατικά, η ακρίβεια είναι 0,9 ή 90%.

Υπολογισμός ακρίβειας

Η ακρίβεια επικεντρώνεται στις θετικές προβλέψεις που κάνει το μοντέλο. Δείχνει πόσα από τα προβλεπόμενα θετικά είναι πραγματικά θετικά.

Ακριβής θετική μέτρηση = (Αληθινά θετικά) / (Αληθινά θετικά + ψευδώς θετικά)

Για παράδειγμα, αν ένα μοντέλο προβλέπει 50 θετικά, και 40 από αυτά είναι σωστά, η ακρίβεια είναι 0,8 ή 80%.

Περίληψη των Βημάτων υπολογισμού

  • Προσδιορίστε το συνολικό αριθμό των προβλέψεων και των σωστών προβλέψεων για την ακρίβεια.
  • Μετρήστε τα αληθινά θετικά και τα ψευδώς θετικά για ακρίβεια.
  • Εφαρμόστε τους τύπους για να υπολογίσετε κάθε μετρικό.