I sistemi di apprendimento supervisionati vengono valutati utilizzando varie metriche per determinare la loro efficacia. Due metriche comuni sono accuratezza e precisione. Capire come calcolare queste metriche è essenziale per valutare le prestazioni del modello.

Calcolo dell'accuratezza

L'accuratezza misura la proporzione di previsioni corrette fatte dal modello su tutte le previsioni.

Accuracy = (Numero di Preddizioni Corrette) / (Numero totale delle Predizioni)

Ad esempio, se un modello predice correttamente 90 su 100 istanze, l'accuratezza è 0,9 o 90%.

Calcolo della precisione

La precisione si concentra sulle previsioni positive fatte dal modello, indica quanti dei positivi predetti sono positivi effettivi.

Precisione = (True Positives) / (True Positives + False Positives)

Ad esempio, se un modello prevede 50 positivi e 40 di questi sono corretti, la precisione è 0,8 o 80%.

Riepilogo delle fasi di calcolo

  • Identificare il numero totale di previsioni e le previsioni corrette per l'accuratezza.
  • Contare veri positivi e falsi positivi per la precisione.
  • Applicare le formule per calcolare ogni metrica.