Hiểu làm thế nào để đánh giá máy học mô hình là thiết yếu cho phát triển các thuật toán hiệu quả. hai đo lường phổ biến là chính xác và chính xác. những thước đo giúp xác định làm thế nào tốt một mô hình thực hiện trên một bộ dữ liệu cho trước.

Mô hình chính xác là gì?

Tính toán chính xác tỉ lệ của các dự đoán đúng do mô hình thực hiện ra từ tất cả các dự đoán.

Công thức cho độ chính xác là:

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

Độ chính xác là khi bộ dữ liệu có hạng cân bằng, nhưng nó có thể sai nếu các lớp bị mất cân bằng.

Mô hình chính xác là gì?

Tính toán chính xác về tỉ lệ của những dự đoán tích cực đúng trong tất cả những dự đoán tích cực của mô hình.

Công thức cho độ chính xác là:

(Tiếng reo hò) / (Tiếng tích cực + tích cực giả) )

Độ chính xác cao có nghĩa là khi mô hình tiên đoán tích cực, thường là đúng, đặc biệt quan trọng trong những trường hợp có những kết quả dương tính sai thì rất tốn kém.

Làm thế nào tính được những phương pháp này?

Để tính chính xác và chính xác, bạn cần một ma trận nhầm lẫn, tóm tắt kết quả tiên đoán thành bốn loại: tích cực, âm thực, dương sai, và âm sai.

Khi bạn có những giá trị này, cắm chúng vào các công thức để tính toán các mét. nhiều máy học thư viện, như scikit-học, cung cấp các chức năng để tính toán chính xác và chính xác trực tiếp.

  • Ma trận hỗn loạn
  • Dương quả (TIẾNG)
  • Dương tính sai (P)
  • Âm thật (TN)
  • Âm bản sai (FN)