Количественная производительность модели в контролируемом обучении: метрики и расчеты

Оценка эффективности моделей контролируемого обучения необходима для понимания их эффективности. Для измерения того, насколько хорошо модель прогнозирует результаты на основе меченых данных, используются различные метрики. Эти метрики помогают сравнивать модели и выбирать лучшие для конкретной задачи.

Общие показатели эффективности

Для оценки моделей контролируемого обучения широко используется несколько метрик. Выбор метрики зависит от типа проблемы, например, от классификации или регрессии. Понимание этих метрик позволяет лучше интерпретировать результаты модели.

Метрики для классификации

В задачах классификации общие метрики включают точность, точность, отзыв и оценку F1.Эти метрики оценивают различные аспекты способности модели правильно прогнозировать ярлыки классов.

точность

Точность измеряет долю правильных предсказаний из общего числа. Она рассчитывается как:

Точность = (Истинные Положительные + Истинные Негативные) / Общие Прогнозы]

Точность и отзыв

Точность указывает на долю правильных положительных предсказаний, а при напоминании измеряется доля правильно идентифицированных фактических положительных.

Точность = Истинные Положительные / (Истинные Положительные + Ложные Положительные)

Напомним = Истинные Положительные / (Истинные Положительные + Ложные Отрицательные)

Метрики для регрессии

Регрессионные модели оцениваются с использованием таких показателей, как Средняя абсолютная ошибка (MAE), Средняя квадратная ошибка (MSE) и R-квадрат. Эти показатели количественно определяют разницу между прогнозируемыми и фактическими непрерывными значениями.

Абсолютная ошибка (MAE)

MAE вычисляет среднюю абсолютную разницу между прогнозируемыми и фактическими значениями:

MAE = Σ | Предсказанный — Фактический | / Количество предсказаний

R-квадрат

R-квадрат указывает на долю дисперсии в зависимой переменной, объясняемой моделью. Он колеблется от 0 до 1, при этом более высокие значения указывают на лучшую подгонку.

Эти показатели обеспечивают количественную основу для оценки и сравнения производительности модели в контролируемых учебных задачах.