Table of Contents
यह समझना कि तंत्रिका नेटवर्क मॉडल के प्रदर्शन का मूल्यांकन कैसे किया जाए, प्रभावी मशीन लर्निंग समाधान विकसित करने के लिए आवश्यक है। यह लेख मॉडल सटीकता और विश्वसनीयता का आकलन करने के लिए इस्तेमाल किए जाने वाले सामान्य मीट्रिक का व्यावहारिक अवलोकन प्रदान करता है।
मुख्य प्रदर्शन मीट्रिक
कई मीट्रिक का उपयोग तंत्रिका नेटवर्क मॉडल का मूल्यांकन करने के लिए किया जाता है, प्रत्येक मॉडल प्रदर्शन में विभिन्न अंतर्दृष्टि प्रदान करता है। सबसे आम में सटीकता, परिशुद्धता, याद, F1 स्कोर और भ्रम मैट्रिक्स शामिल हैं।
सटीकता की गणना
सटीकता से सभी भविष्यवाणियों से बाहर सही भविष्यवाणियों के अनुपात को मापती है।
Accuracy = (Currect भविष्यवाणियों की संख्या) / (कुल भविष्यवाणियां)
अन्य मेट्रिक्स और उनके गणना
परिशुद्धता और याद असंतुलित डेटासेट के लिए विशेष रूप से उपयोगी हैं। प्रेसिजन सभी सकारात्मक भविष्यवाणियों के बीच वास्तविक सकारात्मक भविष्यवाणियों के अनुपात को इंगित करता है, जबकि याद करते हैं कि वास्तविक सकारात्मकता के अनुपात को सही ढंग से पहचाना जाता है।
F1 स्कोर सटीक को जोड़ती है और एक मीट्रिक में वापस आती है, जिसे दो के हार्मोनिक अर्थ के रूप में गणना की जाती है:
F1 स्कोर = 2 * (प्रेसिजन * Recall) / (प्रेसिजन + Recall)
का उपयोग करना
भ्रम मैट्रिक्स वास्तविक सकारात्मक, झूठी सकारात्मक, सच्चे नकारात्मक और झूठी नकारात्मक में परिणामों को वर्गीकृत करके भविष्यवाणी परिणामों को संक्षेप में प्रस्तुत करता है। यह मॉडल प्रदर्शन का व्यापक दृष्टिकोण प्रदान करता है, विशेष रूप से वर्गीकरण कार्यों में।
- ट्रू पॉजिटिव (TP)
- झूठी सकारात्मक (FP)
- ट्रू नेगेटिव (TN)
- झूठी नकारात्मक (FN)