機械学習プロジェクトにおけるモデル精度と精度の計算方法

マシン学習モデルの評価方法は、効果的なアルゴリズムを開発するのに不可欠です。 2つの一般的なメトリックは精度と精度です。これらのメトリックは、モデルが与えられたデータセットでどのように実行するかを判断するのに役立ちます。

モデルの精度は何ですか?

精度は、すべての予測からモデルによって行われた正しい予測の割合を測定します。予測の総数による正しい予測の数を分割することによって計算されます。

精度の式は次のとおりです。

精度 = (正しい予測の数) / (総予測)

データのセットがバランスの取れたクラスをしているときの精度は便利ですが、クラスが不均衡な場合、誤解を招くことができます。

精密は、モデルによって作られたすべての肯定的な予測から真の肯定的な予測の割合を測定します。予測された正例の多くが実際に肯定的であるかを示します。

精密のための方式はあります:

精密=(真の正性)/(真の正性+偽の正性)

高精度とは、モデルが正を予測するとき、通常は正しいことを意味します。偽陽性が高価なシナリオでは特に重要です。

精度と精度を計算するには、予測結果を4つのカテゴリにまとめる混乱行列が必要です。真正性、真の負、偽陽性、および偽の負。

これらの値がある場合、それらをメトリックを計算するための式に差し込みます。 scikit-learnなどの多くの機械学習ライブラリは、精度と精度を直接計算する機能を提供します。