הערכת ביצועי המודל: חישוב קריטריונים, אחריות, וחזור בסופר-ביקור

הערכת הביצועים של מודלים למידת מכונה חיונית להבנת יעילותם.בלמידה מבוקרת, מדדים כגון דיוק, דיוק, וזיכרון משמשים בדרך כלל כדי למדוד כיצד מודל צופה תוצאות.

דמוקרטיה

התיאום מודד את שיעור התחזיות הנכונות מכל התחזיות שנעשו.הוא מחושב על ידי חלוקת מספר התחזיות הנכונות על ידי מספר התחזיות הכולל.

בעוד הדיוק הוא שימושי, זה יכול להיות מטעה במאגרי נתונים חסרי איזון שבו מחלקה אחת שולטת.במקרים כאלה, מדדים אחרים מספקים תובנות טובות יותר לביצועי המודל.

המונחים: recall

עדיפות היא שיעור התחזיות החיוביות האמיתיות בין כל התחזיות החיוביות שנעשו על ידי המודל.זה משקף את יכולת המודל להימנע מחיובים כוזבים.

Recall, הידוע גם כרגישות, מודד את מידת החיוביות בפועל שזוהההה נכונה על ידי המודל.זה מראה עד כמה המודל מזהה מקרים חיוביים.

חישוב המסובכים

מדדים אלה נגזרים ממטריקס הבלבול, אשר מסכם חיובי אמיתי (TP), חיובי כוזב (FP), שליליות אמיתית (TN), ושלילים שקריים (FN).

פורמולה:

• (FLT:0) דיוקנות: 1 (TP + TN) / (TP + FP + TN + FN)
• (ב) ⁇ (ב) TP (TP + FP)
• (ב) TP / TP (TP + FN)