Hiểu cách đánh giá hiệu suất của mô hình mạng thần kinh là thiết yếu để phát triển các giải pháp học máy hữu hiệu. Bài này cung cấp một tổng quan thực tế về các thước đo phổ biến sử dụng để đánh giá độ chính xác mô hình và đáng tin cậy.

Name

Một số số máy đo được dùng để đánh giá mô hình mạng thần kinh, mỗi cung cấp sự hiểu biết khác nhau về hiệu suất mô hình.

Tính độ chính xác

Tính toán tỉ lệ của các dự đoán đúng trong tất cả các dự đoán.

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

Các chuyên gia khác và các tính toán của họ

Độ chính xác và sự nhớ lại đặc biệt hữu ích cho việc làm mất cân bằng bộ dữ liệu. Độ chính xác cho thấy tỷ lệ các dự đoán đúng trong tất cả các dự đoán tích cực, trong khi nhớ lại các biện pháp tỉ lệ tích cực thực tế đã được xác định chính xác.

F1 kết hợp chính xác và nhớ lại thành một thước đo đơn, tính toán như ý nghĩa của hai điểm:

Điểm F1 = 2 * (Precion * Re Re Re Re Re Recion) / (Precion + Reci Re Re Recation)

Dùng ma trận hòa lẫn

Ma trận nhầm lẫn tóm tắt kết quả bằng cách phân loại kết quả thành tích cực, dương tính sai, âm bản đúng và âm tính sai.

  • Dương thật (TIẾNG)
  • Dương tính sai (FP)
  • Âm thật (TN)
  • Âm sai (FN)