- Kas ir modeļa novērtēšanas metrika?
- Kādi rādītāji tiek izvēlēti, lai novērtētu modeļa veiktspēju?
- Kādi ir dažādi novērtēšanas metrikas veidi?
- Kādu metriku var izmantot, lai novērtētu klasifikācijas modeli?
Kas ir modeļa novērtēšanas metrika?
Tagad definēsim novērtēšanas metriku mašīnmācīšanās modeļa veiktspējas novērtēšanai, kas ir jebkura datu zinātnes projekta neatņemama sastāvdaļa. Tā mērķis ir novērtēt modeļa vispārināšanas precizitāti attiecībā uz nākotnes (neredzētiem/ārpus izlases) datiem.
Kādi rādītāji tiek izvēlēti, lai novērtētu modeļa veiktspēju?
Precizitāte: pareizs pareģojumu kopskaits. Pozitīvā paredzamā vērtība vai precizitāte: pareizi identificēto pozitīvo gadījumu īpatsvars. Negatīvā paredzamā vērtība: pareizi identificēto negatīvo gadījumu īpatsvars.
Kādi ir dažādi novērtēšanas metrikas veidi?
Šis ieraksts ir par dažādiem novērtēšanas rādītājiem un to, kā un kad tos izmantot.
- Precizitāte, precizitāte un atsaukšana: A. ...
- F1 rādītājs: Šis ir mans mīļākais vērtēšanas rādītājs, un es to bieži izmantoju savos klasifikācijas projektos. ...
- Žurnāla zudums/bināra krustentropija. ...
- Kategoriskā krustentropija. ...
- AUC.
Kādu metriku var izmantot, lai novērtētu klasifikācijas modeli?
Platība zem līknes (AUC) ir viens no visplašāk izmantotajiem rādītājiem novērtēšanai. To izmanto bināro klasifikācijas problēmu risināšanai. Klasifikatora AUC ir vienāds ar varbūtību, ka klasifikators nejauši izvēlētu pozitīvu piemēru ierindos augstāk nekā nejauši izvēlēts negatīvs piemērs.