Đánh giá độ chính xác của mạng thần kinh là thiết yếu để hiểu hiệu suất của chúng trong các nhiệm vụ cụ thể. Nhiều loại đo lường được một mô hình dự đoán tốt hay phân loại dữ liệu. Bài này thảo luận về số đo phổ biến và cách tính toán.

Độ chính xác

Tính toán tỉ lệ của các dự đoán đúng trong tất cả các dự đoán, bằng cách phân chia số dự đoán đúng bằng tổng số dự đoán.

Đối với các công việc phân loại, độ chính xác là một thước đo đơn giản, đặc biệt khi các hạng cân bằng.

Khả năng chấp nhận = (Num of right Promions) / (Total Protal Proctions) )

Điểm chính xác, nhớ và F1

Những thước đo này đặc biệt hữu ích cho bộ dữ liệu mất cân bằng. đo chính xác độ chính xác của dự đoán tích cực, trong khi nhớ lại các phép đo khả năng tìm ra tất cả các trường hợp tích cực.

Tính toán như sau:

  • Dịch phụ đề: QKK
  • Gọi lại = True Racides / (Những tích cực thật + âm tính sai)
  • Điểm F1 = 2 * (Precion * Re Re Re Re Re Recion) / (Precion + Reci Re Re Recation)

Tính toán thực tế

Trong thực tế, những đo lường được tính bằng thư viện như là scikit- learnt in Python. Sau khi nhận được dự đoán từ mạng thần kinh, các chức năng đo lường tự động tính toán các giá trị dựa trên nhãn đúng và nhãn đã dự đoán.

Ví dụ, sử dụng scikit-học:

từ nsk learn.mtrics nhập chính xác scure, chính xác score, nhớ lại score, f1 score

Tính chính xác = độ chính xác y true, y pard)

Tương tự, độ chính xác, sự hồi tưởng và F1 điểm được tính toán với mỗi chức năng của họ.