Оценка производительности модели: расчет точности, точности и отзыва в контролируемом обучении

Оценка эффективности моделей машинного обучения необходима для понимания их эффективности.В контролируемом обучении такие показатели, как точность, точность и отзыв, обычно используются для измерения того, насколько хорошо модель предсказывает результаты.

точность

Точность измеряет долю правильных предсказаний из всех сделанных предсказаний. Она рассчитывается путем деления числа правильных предсказаний на общее число предсказаний.

Хотя точность полезна, она может вводить в заблуждение в несбалансированных наборах данных, где доминирует один класс. В таких случаях другие показатели обеспечивают лучшее понимание производительности модели.

Точность и отзыв

Точность указывает на долю истинных положительных предсказаний среди всех положительных предсказаний, сделанных моделью. Она отражает способность модели избегать ложных срабатываний.

Напомним, также известная как чувствительность, измеряет долю фактических положительных результатов, правильно идентифицированных моделью. Она показывает, насколько хорошо модель обнаруживает положительные случаи.

Вычисление метрик

Эти метрики получены из матрицы путаницы, которая суммирует истинные положительные (TP), ложные положительные (FP), истинные отрицательные (TN) и ложные отрицательные (FN).

Формулы: