Публикации по теме performance-metrics

Публикации по теме 'performance-metrics'

Неделя № 1 в машинном обучении

Рассказываю о своем пути к машинному обучению. Что такое машинное обучение? Машинное обучение — это ветвь искусственного интеллекта, основанная на идее о том, что система может учиться на данных, выявлять закономерности на основе данных и принимать решения без участия человека или с его минимальным вмешательством. Типы машинного обучения Контролируемое и неконтролируемое обучение Обучение с учителем — обучение с использованием помеченных данных, то есть данных, в которых..

Функции потерь, используемые в искусственном интеллекте

После обучения вашей модели машинного обучения она даст некоторые результаты, но откуда вы знаете, что это хорошие результаты? Вот где функция потерь входит в картину искусственного интеллекта. Функции потерь оценивают вашу модель и работают как метрика, но вместо того, чтобы показывать, насколько хороша ваша модель, они фокусируются на том, насколько она плоха. Он представляет собой цену, заплаченную за неточность прогнозов, сделанных моделью. Таким образом, чем меньше потери, тем..

Объяснение того, как работает кривая ROC

Кривая рабочих характеристик приемника или Кривая ROC - отличный инструмент для оценки эффективности модели классификации . Измерение общего качества модели не может оставаться тривиальным делом. Модель классификации отображает характеристики входных данных в вероятности попадания в разные категории, поэтому вместо того, чтобы сказать, что эти входные данные выглядят как собака или кошка, модель выводит значение вероятности X, которое можно описать как - этот ввод относится к..

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»,..

Разбираемся в машине

Как оценить эффективность машинного обучения Компьютеры умны, но они не экстрасенсы (по крайней мере, пока)….. Цель машинного обучения — предсказать событие , результат, классификацию , или действие из предоставленных данных . Как узнать, делает ли модель правильные прогнозы или нет? Мы используем нечто, называемое метрикой производительности. Метрики эффективности оценивают " правильность " прогнозов . В этом посте , мы рассмотрим некоторые наиболее распространенные..

Метрики производительности: модель регрессии

- 5 широко используемых показателей оценки для регрессионной модели в машинном обучении. Сегодня мы поговорим о показателях производительности, и на этот раз это будут показатели регрессии. Как и в моем предыдущем блоге , мы обсуждали показатели классификации, на этот раз это регрессия. Мы поговорим о 5 наиболее широко используемых метриках регрессии: Давайте сначала поймем одну вещь, а именно разницу между классификационными и регрессионными метриками, почему нам нужны две..

AUC-ROC: упрощенный

Интуитивное понимание ВСТУПЛЕНИЕ Одним из важных аспектов машинного обучения является оценка модели. Вам нужен какой-то механизм для оценки вашей модели. Вот здесь-то и появляются эти показатели производительности, они дают нам представление о том, насколько хороша ваша модель. Если вы знакомы с некоторыми основами машинного обучения, вы должны иметь представление о некоторых из этих показателей, таких как точность, точность, отзыв, auc-roc и т. Д. Допустим, вы работаете над..