Hassasiyet, hatırla ve F1 puan, sınıflandırma modellerinin performansını değerlendirmek için kullanılan önemli ölçümlerdir. Bu metrikleri nasıl hesaplamak ve yorumlamak çeşitli uygulamalarda makine öğrenme modellerinin etkinliğini değerlendirmek yardımcı olur.

Hassasiyet hesaplamak

Model tarafından yapılan tüm olumlu tahminlerin arasındaki gerçek olumlu tahminlerin oranını ölçür. Tahmin edilen olumlu vakaların çoğunun aslında olumlu olduğunu gösterir.

Hassasiyet formülü:

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

Hesaplamayı Yeniden Düşünmeyi

Recall, aynı zamanda duyarlı olarak da bilinir, model tarafından doğru şekilde tespit edilen gerçek olumlu vakaların oranını ölçer. Modelin olumlu örneklerini tespit etme yeteneğini yansıtmaktadır.

Hatırlamak için formül:

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

F1 Puanını Hesaplamak

F1 puanı hassas ve hatırlamanın harmonik anlamıdır. Her iki metrikleri de dikkate alan dengeli bir ölçü sunar, özellikle sınıf dağılımı eşitsiz olduğunda kullanışlıdır.

F1 puan için formül:

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

Metrikleri yorumlayın

Yüksek hassasiyet, en çok tahmin edilen olumluların doğru olduğunu gösterirken, yüksek hatırlama çoğu gerçek olumlunun tespit edildiğini gösterir. F1 puan bu iki yönü dengelemektedir. Uygulamaya bağlı olarak, diğerlerinin üzerinde bir metrik önceliklendirmesi gerekli olabilir.

Örneğin, tıbbi tanıda, hatırla olumlu vakaların kaçırılmamasını sağlamak için daha önemli olabilir. spam algılamasında, hassas pozitifleri azaltmaya öncelik verebilir.