Đánh giá hiệu suất của mô hình máy học là thiết yếu để hiểu hiệu quả của chúng trong ứng dụng thế giới thực. thước đo chính xác giúp xác định ưu điểm và điểm yếu, hướng dẫn cải thiện và triển khai quyết định.

Y học biểu diễn

Một số số số đo được dùng để đánh giá hiệu suất mô hình, tùy thuộc vào loại công việc. Để phân loại vấn đề, độ chính xác, sự chính xác, nhớ lại và F1 điểm thường được dùng. Đối với nhiệm vụ hồi quy, số đo cỡ nghiêm trọng như lỗi âm đại (MAE), có nghĩa là lỗi bình phương (MSE), và R- bình phương là phổ biến.

Tính toán cho các chuyên môn phân loại

Ma trận hòa trộn tạo cơ sở cho nhiều loại số phân loại. Chúng gồm có những tích cực (PP), dương dương dương giả (FP), âm bản đúng (TN) và âm âm sai (FN). Tính chính xác được tính là:

[Chuyến đi = (PP + TN) / (P + FP + TN + FN)

Tính toán chính xác tỉ lệ nhận diện tích cực là đúng:

Độ phân giải = TP / (P + FP)

Hãy nhớ lại tỉ lệ tích cực thực sự được xác định đúng:

Gọi lại = TP / (P + FN) )

Tính toán các bộ phận quay

Số đo tỷ lệ thu thập tính toán sự khác nhau giữa các giá trị đã dự đoán và thực tế. Tức là lỗi tuyệt đối (MAE) được tính là:

MAE = (1/n) * ) ) - ) [FLT:]] ] ) ) )

Lỗi bình phương (MSE) nhấn mạnh những lỗi lớn hơn:

) ) ) ] [FLT: 7) [FLT: 7) ) )]]] ) ) [FLT:]]]] [FLT: 7) [FLT: 7) [FLT: 7) [FLT: 7)

R- vuông cho thấy tỷ lệ biến thể được giải thích bởi mô hình:

R ] ) = 1 - (SS / SS to ] [FLT: 7) [FLT: 7)

Kết luận

Chọn các thước đo thích hợp phụ thuộc vào các vấn đề và mục tiêu cụ thể. tính toán đúng và giải thích các thước đo này là thiết yếu cho việc triển khai các mô hình máy học hiệu quả trong các kịch bản thực tế.