Публикации по теме 'classification-metrics'


Показатели производительности для моделей машинного обучения (часть 4: точность)
Метрики классификации в Python доктора Элвина Анга https://www.alvinang.sg/s/Classification_Metrics_for_ML_Models_by_Dr_Alvin_Ang.ipynb Когда использовать Что? Что такое точность? Точность от 0 до 1 0 = ПЛОХОЕ 1 = ХОРОШО Проблемы с использованием Точности Метрику точности можно использовать только в сбалансированном наборе данных. Если он используется в несбалансированном наборе данных, результат может быть очень точным, даже если это НЕ. Чтобы..
Метрики классификации и матрица недоразумений
Метрики классификации - это метрики оценки, специфичные для моделей классификации; они состоят из различных методов, используемых для оценки эффективности моделей классификации. Оценка модели классификации * * при условии, что проблема классификации двоичная Модель бинарной классификации состоит из четырех возможных результатов, полученных путем пересечения двух категорий с двумя классами. Две категории : Прогноз и Фактический или Предположение против результата. Это два..
Точность, точность, отзыв и оценка F1: визуализация
Они называются показателями производительности для моделей классификации. Мы можем использовать эти показатели, чтобы оценить, насколько хорошо модель классифицировала данные. Чем лучше мы понимаем показатели производительности, тем лучше мы можем их интерпретировать. Прежде чем двигаться дальше в блоге, я рекомендую вам сначала просмотреть это видео, чтобы визуализировать, что такое точность и полнота. https://www.youtube.com/watch?v=qWfzIYCvBqo Итак, давайте посмотрим на..
Метрики классификации  — почему точность неточна!
Все началось в доисторические времена. Это была свадьба дочери вождя. Ангбо, пещерному жителю, было поручено отделить хороший картофель от испорченного. Ангбо, будучи несколько ленивым, наугад клал картошку то в одну, то в другую стопку. Это привело к довольно катастрофическому званому ужину. Излишне говорить, что атаман не был впечатлен, и поэтому начал изучение метрик классификации. В современном мире мы говорим об искусственном интеллекте и машинном обучении, мастерских..
Что такое матрица путаницы
В этой статье я собираюсь объяснить, что такое матрица путаницы и как ее интерпретировать. Матрица путаницы — это матрица эффективности классификации, которая фактически работает с фактическими прогнозируемыми значениями. Матрица путаницы не работает с оценкой вероятности, поэтому для создания матрицы путаницы вам нужны фактические значения меток. Давайте рассмотрим случай, когда у нас всего 100 точек данных; скажем, n=100. Из 100 точек данных 50 точек относятся к метке «Истина»,..
Логистическая регрессия в деталях
Логистическая регрессия — это алгоритм классификации. Он используется для прогнозирования бинарного результата (1/0, Да/Нет, Истина/Ложь) с учетом набора независимых переменных. Для представления бинарного/категориального результата мы используем фиктивные переменные. Вы также можете думать о логистической регрессии как о частном случае линейной регрессии, когда переменная результата является категориальной, где мы используем логарифм шансов в качестве зависимой переменной. Логистическая..
Демистификация ROC и AUC
Демистификация ROC и AUC Не паникуйте из-за этих устрашающих концепций, если вы приближаетесь к ним впервые; Я почти уверен, что вы оцените себя выше в этих концепциях, если вы поладите. ЗАМЕТКА : Прежде чем двигаться дальше, я настоятельно рекомендую вам посмотреть мою статью о Матрице путаницы , чтобы лучше понять эти концепции. ROC = Рабочие характеристики приемника AUC = Площадь под кривой ROC-AUC, построенный с помощью истинно положительной скорости (TPR) и..