Övervakade inlärningssystem utvärderas med hjälp av olika mätvärden för att bestämma deras effektivitet. Två gemensamma mätvärden är noggrannhet och precision. Förstå hur man beräknar dessa mätvärden är avgörande för att bedöma modellprestanda.

Beräkning av noggrannhet

Noggrannhet mäter andelen korrekta förutsägelser som modellen gjort av alla förutsägelser. Den beräknas med hjälp av formeln:

Noggrannhet = (Antalet korrekta förutsägelser) / (Totalt antal förutsägelser)]

Om en modell korrekt förutsäger 90 av 100 fall är noggrannheten 0,9 eller 90%.

Beräkning av precision

Precision fokuserar på de positiva förutsägelser som modellen gjort. Det indikerar hur många av de förutspådda positiva är faktiska positiva. Formeln är:

]Precision = (Sanna positiva) / (Sanna positiva + falska positiva)]

Om en modell förutsäger 50 positiva och 40 av dessa är korrekta är precisionen 0,8 eller 80%.

Sammanfattning av beräkningssteg

  • Identifiera det totala antalet förutsägelser och korrekta förutsägelser för noggrannhet.
  • Räkna sanna positiva och falska positiva för precision.
  • Applicera formlerna för att beräkna varje metrisk.