- Apa itu metrik penilaian model?
- Apakah metrik yang dipilih untuk menilai prestasi model?
- Apakah jenis metrik penilaian yang berbeza?
- Metrik apa yang boleh anda gunakan untuk menilai model klasifikasi?
Apa itu metrik penilaian model?
Mari kita tentukan metrik penilaian untuk menilai prestasi model pembelajaran mesin, yang merupakan komponen yang tidak terpisahkan dari mana-mana projek sains data. Ini bertujuan untuk mengira ketepatan generalisasi model pada data masa depan (yang tidak dilihat / di luar sampel).
Apakah metrik yang dipilih untuk menilai prestasi model?
Ketepatan: bahagian jumlah ramalan yang betul. Nilai Ramalan Positif atau Ketepatan: bahagian kes positif yang dikenal pasti dengan betul. Nilai Ramalan Negatif: bahagian kes negatif yang dikenal pasti dengan betul.
Apakah jenis metrik penilaian yang berbeza?
Catatan ini mengenai pelbagai metrik penilaian dan bagaimana dan kapan menggunakannya.
- Ketepatan, Ketepatan, dan Pengingat: A. ...
- Skor F1: Ini adalah metrik penilaian kegemaran saya dan saya cenderung menggunakannya dalam projek klasifikasi saya. ...
- Kerugian Log / Crossentropy Binari. ...
- Crossentropy kategori. ...
- AUC.
Metrik apa 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 memilih contoh positif yang dipilih secara rawak lebih tinggi daripada contoh negatif yang dipilih secara rawak.