Metrik untuk klasifikasi tidak seimbang

1. Metrik apa yang akan anda gunakan dalam masalah klasifikasi?
2. Metrik apa yang harus anda gunakan untuk menilai pengelasan anda sekiranya data tidak seimbang Bagaimana ia diperoleh?
3. Bagaimana anda menangani data yang tidak seimbang dalam klasifikasi?
4. Metrik mana yang boleh anda gunakan untuk menilai model klasifikasi?

Metrik apa yang akan anda gunakan dalam masalah klasifikasi?

Metrik Prestasi yang paling biasa digunakan untuk masalah klasifikasi adalah seperti berikut,

• Ketepatan.
• Matriks Kekeliruan.
• Skor ketepatan, ingat dan F1.
• ROC AUC.
• Kehilangan log.

Metrik apa yang harus anda gunakan untuk menilai pengelasan anda sekiranya data tidak seimbang Bagaimana ia diperoleh?

Metrik ketepatan memberitahu kita berapa ramalan ramalan yang relevan i.e. kesilapan kita dalam mengklasifikasikan sampel sebagai contoh yang betul sekiranya tidak betul. metrik ini adalah pilihan yang baik untuk senario klasifikasi yang tidak seimbang.

Bagaimana anda menangani data yang tidak seimbang dalam klasifikasi?

7 Teknik Mengendalikan Data Tidak Seimbang

1. Gunakan metrik penilaian yang betul. ...
2. Contoh semula set latihan. ...
3. Gunakan Pengesahan Lintas-K dengan cara yang betul. ...
4. Menyusun set data sampel yang berbeza. ...
5. Contoh dengan nisbah yang berbeza. ...
6. Kelompok kelas yang banyak. ...
7. Reka model anda sendiri.

Metrik mana yang boleh anda gunakan untuk menilai model klasifikasi?

Area Under Curve (AUC) adalah salah satu metrik yang paling banyak digunakan untuk penilaian. Ia digunakan untuk masalah klasifikasi binari. AUC pengkelasan sama dengan kebarangkalian bahawa pengklasifikasi akan menilai contoh positif yang dipilih secara rawak lebih tinggi daripada contoh negatif yang dipilih secara rawak.