วิธี คํานวณ ความ ถูก ต้อง แม่นยํา และ ความ ผิด พลาด ใน การ เรียน รู้ ที่ มี ความ สามารถ สูง

การ วิเคราะห์ แบบ จําลอง เหล่า นี้ ช่วย ให้ รู้ ว่า แบบ จําลอง นี้ ทํานาย ได้ อย่าง ไร และ กําหนด ขอบ เขต เพื่อ จะ ทํา การ ปรับ ปรุง ได้ อย่าง ไร

การ เข้าใจ ล่วง หน้า

ความ ถูก ต้อง แม่นยํา ของ การ ทํานาย จะ เป็น การ วัด ความ ถูก ต้อง ของ คํา ทํานาย ที่ ถูก ต้อง ซึ่ง ทํา โดย แบบ อย่าง.

เพื่อ คํานวณ ความ ถูก ต้อง จง แบ่ง จํานวน คํา ทํานาย ที่ ถูก ต้อง โดย จํานวน คํา ทํานาย ทั้ง หมด:

[FLT: 0] acccution= (รายละเอียดการคาดการณ์ที่ถูกต้อง) / (คําพิพากษาเชิงปฏิบัติ)

ข้อผิดพลาดทั่วไป

สําหรับ งาน ที่ ไม่ สําเร็จ การ ทํานาย ซึ่ง เป็น ค่า ที่ ไม่ แน่นอน ความ ผิด พลาด ของ การ วัด ผิด พลาด ต่าง ๆ ที่ บอก ไว้ ล่วง หน้า และ ค่า ที่ แท้ จริง.

เมตริกเหล่านี้คํานวณดังต่อไปนี้:

• [FLT: 0] MaE: เฉลี่ยความแตกต่างระหว่างค่าที่คาดการณ์ไว้และค่าจริง
• [FLT: 0] MSE: เฉลี่ยความแตกต่างระหว่างค่าที่คาดการณ์ไว้และค่าจริง (FLT:1).
• [FLT: 0]. RAMESE: สแควร์รูทของ MSE, ทําให้เกิดความผิดพลาดในหน่วยเดิม.

ค่าตัววัดที่ต่ํากว่า แสดงให้เห็นว่า แบบจําลองดีกว่า

การ ฝึก หัด วิธี ฝึก

ห้องสมุดการเรียนรู้ของเครื่องส่วนใหญ่จะให้ฟังก์ชันคํานวณแบบ เมทริกเหล่านี้ได้อย่างง่ายดาย ตัวอย่างเช่น ในห้องสมุดของ Python's Scit-cheded ทําหน้าที่เช่น [FLT: 0] และใช้โดยทั่วไป (FLT:2].

สิ่งสําคัญคือการเลือกตัววัดที่เหมาะสม โดยใช้หลักการของงาน -- การจัดประเภทหรือความถดถอย -- และเป้าหมายเฉพาะของการประเมินแบบจําลอง