การ ลด ความ เข้ม งวด ของ เครือ ข่าย ประสาท: การ ประสาน งาน กับ การ ประสาน งาน ของ เครือ ข่าย นั้น

การ ประเมิน ความ ถูก ต้อง แม่นยํา ของ เครือ ข่าย ประสาท เป็น สิ่ง จําเป็น เพื่อ จะ เข้าใจ ว่า เขา ทํา งาน อะไร บ้าง.

ความละเอียด

ความ เที่ยง ธรรม จะ วัด อัตรา การ คาด การณ์ ที่ ถูก ต้อง จาก คํา ทํานาย ทุก อย่าง.

สําหรับ งาน ประเภท ความ ถูก ต้อง แม่นยํา เป็น การ วัด อย่าง ตรง ไป ตรง มา โดย เฉพาะ เมื่อ ชั้น เรียน สมดุล.

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

พรีซิชัน, จํา, และคะแนน F1

การ กําหนด เวลา ที่ ถูก ต้อง ของ การ ทํานาย ใน ทาง บวก ขณะ ที่ จํา ได้ จะ วัด ความ สามารถ ใน การ หา ตัว เลข ที่ ดี ทั้ง หมด.

การ คํานวณ มี ดัง ต่อ ไป นี้:

• [FLT: 0] precces = True access / (บวกจริง + บวกเท็จ)
• [FLT: 0] Reclell = True access / (บวกจริง + ลบเท็จ)
• [FLT: 0] F1 คะแนน = 2 * (Prescision *) / (Prescision + อนุสรณ์)

การคอมไพล์จริง

ในการฝึก เมตริกเหล่านี้คํานวณโดยใช้ไลบรารี เช่น สกิต-เรียนใน Python หลังจากได้รับคําทํานายจากเครือข่ายประสาทแล้ว ฟังก์ชันเมทริกส์คํานวณค่าโดยอัตโนมัติตามค่าต่างๆ ที่อยู่บนป้ายจริง และทํานายไว้

ยกตัวอย่างเช่น การใช้สกิต-เรียน:

[FLT: 0] จาก skread.matics incrient score, transfer score, logp sroper, f1 score

[FLT: 0] acccution = true score (y true, y prid)

ทํานอง เดียว กัน ความ แม่นยํา, การ จํา, และ คะแนน เอฟ 1 ก็ ถูก คํานวณ ด้วย การ ทํา งาน แต่ ละ อย่าง.