Denetimli sınıflandırma problemleri, bir modelin performansını değerlendirmek önemlidir. Hassasiyet, hatırla ve F1 puan, modelin farklı sınıfları nasıl iyi tahmin ettiğini öngörür.Bu metrikleri nasıl optimize etmek ve ayarlama modellerini etkili bir şekilde ölçmeye yardımcı olur.

Hassasiyet

Hassasiyet doğru olan olumlu tahminlerin oranını ölçer. Gerçek pozitiflerin ve yanlış pozitiflerin toplamı tarafından bölünmüş gerçek olumluların sayısı olarak hesaplanmıştır.

Hassasiyet formülü:

[FONT=0)Öyleçme = Gerçek Olumlular / (Gerçek Olumlular + Yanlış Olumlular)).

Recall

Recall, aynı zamanda hassaslık olarak da bilinir, doğru şekilde tespit edilen gerçek olumluların oranını ölçer. Gerçek pozitiflerin ve yanlış negatif negatiflerin toplamı tarafından bölünmüş gerçek olumluların sayısı olarak hesaplanmıştır.

Hatırlamak için formül:

[0]Recall = TruePos / (Gerçek Olumlular + Yanlış Olumsuzlar)).

F1 Puan

F1 puanı, harmonik anlamını hesaplamak için tek bir metrike birleştirir ve hatırlamaktadır. Özellikle sınıf dağılımı eşitsiz olduğunda, dengeli bir ölçüm sunar.

F1 puan için formül:

[0]F1 Puan = 2 * (Örnek * Recall) / (Örnek + Recall)).

Özet Özet Özet Özet Özet Özet Özet Özet Özet Özet

  • Hassasiyet pozitif tahminlerin doğruluğunu gösterir.
  • Tüm olumlu örnekleri tanımlama yeteneğini yeniden adlandırmak.
  • F1 puan hassastır ve tek bir metrike hatırlanır.