Valvottujen oppimismallien suorituskyvyn arviointi on olennaista niiden tehokkuuden ymmärtämisessä. Eri mittareita käytetään mittaamaan, miten hyvin malli ennustaa tuloksia tunnistetun datan perusteella. Nämä mittarit auttavat vertailemaan malleja ja valitsemaan parhaan tietyn tehtävän.

Yhteinen suorituskyky Metrics

Useita mittareita käytetään laajalti arvioimaan valvottuja oppimismalleja. Menetelmien valinta riippuu ongelman tyypistä, kuten luokituksesta tai regressiosta. Näiden mittareiden ymmärtäminen mahdollistaa mallin tulosten paremman tulkinnan.

Metrics for Classification

Luokitustehtävissä yhteiset mittarit sisältävät tarkkuuden, tarkkuuden, palautuksen ja F1-pisteet. Nämä mittarit arvioivat mallin kykyä ennustaa luokkamerkit oikein.

Tarkkuus

Tarkkuus mittaa oikeiden ennusteiden osuuden kokonaisennoksista. Tarkkuus lasketaan seuraavasti:

] Tarkkuus = (Todellinen positiivinen + tosi negatiivinen) / Kokonaisen ennusteiden

Tarkkuus ja palautus

Tarkkuus osoittaa oikeiden positiivisten ennusteiden osuuden, kun taas takaisinkutsu mittaa todellisten positiivisten tulosten osuuden oikein. Ne lasketaan seuraavasti:

Tarkoitus = Todelliset Positiiviset / (True Positives + Väärä Positiiviset)

Perustus = Todelliset Positiiviset / (True Positives + Väärä Negatives) []

Metrics for Regressio

Regressiomalleja arvioidaan käyttäen metrejä kuten Mean Absolute Error (MAE), Mean Squared Error (MSE) ja R-squared. Nämä mittarit kvantifioivat ennustettujen ja todellisten jatkuvien arvojen välisen eron.

Keskimääräinen absoluuttinen virhe (MAE)

Mainelaskelmilla lasketaan ennustettujen ja todellisten arvojen välinen absoluuttinen keskiarvo:

MAE = Σ....................................................................................................................................................................................................................................................

R- neliö

R-neliö osoittaa mallin selittämän riippuvaisen muuttujan varianssin osuuden. Se vaihtelee 0:sta 1:een ja korkeammat arvot osoittavat paremman istuvuuden.

Nämä mittarit tarjoavat kvantitatiivisen perustan mallin suorituskyvyn arvioinnille ja vertailulle valvotuissa oppimistehtävissä.