فواصل اطمینان مدل، محدوده ای را فراهم می کند که در آن انتظار می رود عملکرد مدل واقعی یا ارزش پارامتر با احتمال خاصی سقوط کند.آنها برای درک عدم اطمینان مرتبط با برآورد مدل در برنامه های یادگیری ماشین مفید هستند.

درک اعتماد متقابل

فاصله اعتماد به نفس یک محدوده آماری محاسبه شده از داده هایی است که احتمالا حاوی مقدار پارامتر واقعی است.در یادگیری ماشین، این می تواند به معیارهایی مانند دقت، دقت یا ضریب مدل اشاره کند.

گام های مرتبط با اعتماد به نفس Calculate

این مراحل را برای محاسبه فواصل اعتماد به نفس برای معیارهای مدل دنبال کنید:

  • جمع آوری نمونه ای از معیارهای عملکرد مدل از طریق سطح متقابل یا چندین اجرا.
  • محاسبه معنی و انحراف استاندارد نمونه.
  • سطح اعتماد را انتخاب کنید (برای مثال، 95 درصد).
  • ارزش حیاتی مناسب را از توزیع T یا توزیع z بر اساس اندازه نمونه و سطح اعتماد به نفس تعیین کنید.
  • در این باره به شرح زیر اشاره کنید: [[۱] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱].
  • در این باره به عنوان مثال: [[۱] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱] [۱]

مثالی از Calculation

فرض کنید دقت یک مدل بیش از ۳۰ اجرا شود، با دقت ۸۵ درصد و انحراف استاندارد ۳ درصد.۵ درصد، ارزش حیاتی توزیع مجدد T تقریبا ۲٫۴۵ است.

حاشیه خطا این است: 2.045 × (3 / √30) 1234 2.045 × 0.547 £ 1.12%. فاصله اعتماد به نفس 85٪ ± 1.12% است، که منجر به طیف وسیعی از 83.8٪ به 86.12% می شود.