การ เรียน รู้ ที่ มี ความ ชํานาญ มาก ที่ สุด

การ ประเมิน ผล การ เรียน แบบ จําลอง การ เรียน รู้ เป็น สิ่ง สําคัญ เพื่อ จะ เข้าใจ ประสิทธิภาพ ของ มัน มี การ ใช้ นาฬิกา เมตริกซ์ หลาย ชนิด เพื่อ วัด ว่า แบบ ทํานาย ผล ที่ ติด ตั้ง ไว้ ดี เพียง ไร โดย อาศัย ข้อมูล ที่ ติด ป้าย ไว้.

การ วัด ความ สําเร็จ ทั่ว ไป

การ เข้าใจ แบบ เมทริก เหล่า นี้ ทํา ให้ มี การ ตี ความ ได้ ดี ขึ้น.

การแบ่งประเภท

ในงานจําแนกประเภท มาตรวัดทั่วไปรวมถึง ความแม่นยํา ความจํา การวัดคะแนน F1

ความละเอียด

ความ เที่ยง ธรรม จะ วัด อัตรา การ คาด การณ์ ที่ ถูก ต้อง จาก การ ทํานาย ทั้ง หมด.

[FLT: 0] acccution= (ด้านบวกที่แท้จริง + true capities) / พรีเชียสรวม

การ คิด และ การ ระลึก ถึง

การ คิด ล่วง หน้า บ่ง ชี้ ถึง อัตรา ส่วน ของ การ คาด การณ์ ใน เชิง บวก ที่ ถูก ต้อง ขณะ ที่ การ จํา นั้น วัด อัตรา ส่วน ของ การ คิด บวก ที่ แท้ จริง ได้ อย่าง ถูก ต้อง.

[FLT: 0] precces = True access / (บวกจริง + บวกเท็จ)

[FLT: 0] Reclell = True access / (บวกจริง + ลบเท็จ)

การ เปลี่ยน แปลง

แบบจําลองการถดถอย จะถูกแทนค่าโดยใช้เมตริกเช่น ค่าคลาดเคลื่อนสัมบูรณ์ (MAE), ค่าคลาดเคลื่อนเฉลี่ยกําลังสอง (MSE), และ R กําลังสอง. เมตริกเหล่านี้แยกความแตกต่างระหว่างค่าที่คาดการณ์ไว้ และค่าต่อเนื่องจริง ๆ.

สัมบูรณ์ผิดพลาด (MAE)

MMA คํานวณค่าผลต่างสัมบูรณ์เฉลี่ยระหว่างค่าคาดการณ์กับค่าจริง:

[FLT: 0] มาเอ = ⁇ ⁇ President - Access / จํานวนของพรีโซธิ์

สี่เหลี่ยม

R กําลังสอง บ่งชี้ว่าสัดส่วนของความแปรปรวนในตัวแปรที่ขึ้นอยู่กับแบบจําลองอธิบาย มันอยู่ระหว่าง 0 ถึง 1, โดยมีค่าที่สูงขึ้นจะชี้ว่าพอดีกว่า

มาตรวัดเหล่านี้ให้พื้นฐานเชิงเปรียบเทียบ สําหรับการประเมินและเปรียบเทียบประสิทธิภาพของโมเดล ในงานเรียนรู้ที่ควบคุม