Modelio vertinimo metrika

1. Kas yra modelio vertinimo metrika?
2. Kokia metrika pasirinkta modelio našumui įvertinti?
3. Kokie yra skirtingi vertinimo metrikos tipai?
4. Kokią metriką galite naudoti klasifikavimo modeliui įvertinti?

Kas yra modelio vertinimo metrika?

Dabar apibrėžkime mašinų mokymosi modelio, kuris yra neatskiriama bet kurio duomenų mokslo projekto sudedamoji dalis, našumo vertinimo metriką. Juo siekiama įvertinti modelio apibendrinimo tikslumą atsižvelgiant į būsimus (nematytus/neatrinktus) duomenis.

Kokia metrika pasirinkta modelio našumui įvertinti?

Tikslumas: viso teisingų prognozių skaičiaus dalis. Teigiama nuspėjamoji vertė arba tikslumas: teisingai nustatytų teigiamų atvejų dalis. Neigiama nuspėjamoji vertė: teisingai nustatytų neigiamų atvejų dalis.

Kokie yra skirtingi vertinimo metrikos tipai?

Šis įrašas yra apie įvairias vertinimo metrikas ir kaip bei kada jas naudoti.

• Tikslumas, tikslumas ir atsiminimas: A. ...
• F1 balas: tai yra mano mėgstamiausia vertinimo metrika, kurią aš dažnai naudoju savo klasifikavimo projektuose. ...
• Rąstų praradimas/dvejetainė kryžtropija. ...
• Kategorinė kryžminė. ...
• AUC.

Kokią metriką galite naudoti klasifikavimo modeliui įvertinti?

Plotas po kreive (AUC) yra vienas iš plačiausiai naudojamų vertinimo rodiklių. Jis naudojamas dvejetainės klasifikacijos problemai spręsti. Klasifikatoriaus AUC yra lygus tikimybei, kad klasifikatorius atsitiktinai pasirinktą teigiamą pavyzdį įvertins aukščiau už atsitiktinai pasirinktą neigiamą pavyzdį.