Việc đánh giá hiệu quả của việc học tập sâu sắc là điều thiết yếu để hiểu hiệu quả và sự đáng tin cậy của chúng.

Y học biểu diễn

Một số số số đo được sử dụng để đánh giá các mô hình học sâu, đặc biệt là trong phân loại và hồi quy nhiệm vụ. những thước đo đo định lượng tốt như thế nào một mô hình dự đoán hoặc phù hợp với dữ liệu.

Đo lường các loại

Để phân loại các công việc, các số liệu thông thường bao gồm độ chính xác, độ chính xác, sự nhớ lại và F1 điểm.

Độ chính xác

Tính toán chính xác tỉ lệ của những dự đoán đúng trong tổng số dự đoán, và rất hữu ích khi các lớp cân bằng.

Độ chính xác và sự nhớ lại

Chính xác cho thấy tỉ lệ các dự đoán tích cực đúng giữa tất cả các dự đoán tích cực, trong khi nhớ lại các biện pháp tỉ lệ của các tích cực thực tế đã được xác định đúng.

Điểm F1

Điểm F1 kết hợp chính xác và nhớ lại từng thước đo một, cung cấp một thước đo cân bằng đặc biệt khi các lớp bị mất cân bằng.

Số lượng đo lường để tái tiến

Mô hình thu hồi được đánh giá bằng cách đo sự khác biệt giữa các giá trị đã dự đoán và thực tế. Các thước đo chung bao gồm có nghĩa là lỗi nghiêm trọng (MAE), có nghĩa là lỗi bình phương (MSE) và R- vuông.

Có nghĩa là lỗi tuyệt đối (MAE)

MAE tính toán sự khác biệt tuyệt đối giữa dự đoán và giá trị thật, chỉ ra lỗi dự đoán trung bình.

Lỗi bình phương

ME đo lường sự khác biệt bình phương trung bình, giảm bớt những lỗi lớn hơn nhiều so với MAE.

R- vuông

R- vuông biểu thị tỷ lệ biến đổi trong dữ liệu được giải thích bởi mô hình, với giá trị gần hơn với 1 đại diện cho phù hợp hơn.

Công nghệ xuyên lục địa

Các phương pháp điều chỉnh chéo, như là việc thẩm định chéo chéo K, giúp đánh giá khả năng tổng quát của mô hình bằng cách phân chia dữ liệu vào đào tạo và thử nghiệm đặt ra nhiều lần.

Cách tiếp cận này giảm đi phù hợp với mức độ và cung cấp một ước tính đáng tin cậy hơn về hiệu suất mô hình thông qua các tập hợp dữ liệu khác nhau.