Các mô hình tổng hợp là công cụ thiết yếu để đánh giá hiệu suất của các classifiers, chúng cung cấp những hiểu biết chi tiết về cách một mô hình dự đoán tốt các lớp học khác nhau và giúp xác định các khu vực để cải thiện.

Hiểu Ma trận hỗn loạn

Ma trận nhầm lẫn là một bảng tóm tắt kết quả tiên đoán của một mô hình phân loại. Nó hiển thị số lượng các tiêu cực, các tiêu cực đúng, tích cực sai, và các tiêu cực sai. Những giá trị này tạo nên cơ sở cho tính toán nhiều loại đo hiệu suất khác nhau.

Chìa khóa của ma trận hòa lẫn

Một số số số đo có thể được tính toán để đánh giá hiệu quả của một classifier:

  • ) Tỷ lệ dự đoán đúng trong mọi dự đoán.
  • Chương trình: ) Tỷ lệ dự đoán đúng giữa các dự đoán tích cực.
  • Gọi lại: tỷ lệ tích cực thực sự được nhận diện chính xác bởi mô hình.
  • Điểm F1: Sự hòa hợp có nghĩa là chính xác và nhớ lại, cân bằng cả hai.

Tính toán các chuyên môn

Các thước đo được tính bằng những công thức sau:

Độ chính xác = (PP + TN) / (PP + TN + FP + FN)

Độ chính xác = TP / (PP + FP)

Nhớ lại = TP / (PP + FN)

F1 Điểm = 2 * (Precion * Re Re Re Re Re Re Re Re Re Re Reuation) / (Precion + hồi tưởng)