سیستم های یادگیری فوق العاده با استفاده از معیارهای مختلف برای تعیین اثربخشی آنها ارزیابی می شوند.دو معیار مشترک دقت و دقت دارند. درک چگونگی محاسبه این معیارها برای ارزیابی عملکرد مدل ضروری است.

محاسبه دقیق

دقت نسبت پیش بینی های صحیحی را که توسط مدل از تمام پیش بینی ها صورت گرفته است اندازه گیری می کند: با استفاده از فرمول محاسبه می شود:

[[۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۲] [۱] [۱] [۲] [۲] [۱] [۲] [۱] [۲] [۲] [۱] [۲] [۱] [۲] [۱] [۲] [۲] [۱] [۱] [۱] [۲] [۲] [۱] [۲] [۲] [۱] [۲] [۱] [۱] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۱] [۲] [۱] [۲] [۲] [۲] [۲] [۱] [۱] [۲] [۱] [۲] [۱] [۱] [۱] [۲] [۲] [۲] [۲] [۲] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۲] [۲] [۲] [۱] [۱] [۲] [۲] [۲] [۱]

به عنوان مثال، اگر یک مدل به درستی 90 مورد از 100 مورد را پیش بینی کند، دقت 0.9 یا 90٪ است.

محاسبه دقیق دقیق

دقت بر پیش بینی های مثبت مدل تمرکز می کند، این نشان می دهد که چه تعداد از مثبت های پیش بینی شده مثبت واقعی هستند.

تصمیم گیری = ( مثبت واقعی) / ( مثبت واقعی + مثبت کاذب)

به عنوان مثال، اگر یک مدل 50 مثبت را پیش بینی کند و 40 عدد از این ها درست باشند، دقت 0.8 یا 80 درصد است.

خلاصه داستان : Calculation Step

  • تعداد کل پیش بینی ها و پیش بینی های صحیح را برای دقت شناسایی کنید.
  • مثبت واقعی و مثبت کاذب را برای دقت بشمارید.
  • فرمول ها را برای محاسبه هر متریک اعمال کنید.