Obsah
Prezentuje: AltaML
Q:
Co je „přesnost a vzpomínka“ ve strojovém učení?
A:
Existuje mnoho způsobů, jak vysvětlit a definovat „přesnost a odvolání“ ve strojovém učení. Tyto dva principy jsou matematicky důležité v generativních systémech a koncepčně důležité v klíčových způsobech, které zahrnují úsilí AI napodobovat lidské myšlení. Koneckonců, lidé používají „přesnost a odvolání“ také v neurologickém hodnocení.
Jedním ze způsobů, jak přemýšlet o přesnosti a stažení v IT, je definovat přesnost jako spojení příslušných položek a načtených položek podle počtu získaných výsledků, zatímco stažení představuje spojení příslušných položek a načtených položek z celkového počtu relevantních výsledků.
Dalším způsobem, jak to vysvětlit, je to, že přesnost měří část pozitivních identifikací v klasifikační sadě, která byla skutečně správná, zatímco odvolání představuje podíl skutečných pozitiv, které byly správně identifikovány.
Tyto dvě metriky se často vzájemně ovlivňují v interaktivním procesu. Odborníci používají systém značkování pravých pozitivů, falešných pozitivů, pravdivých negativů a falešných negativů v matici zmatení, aby ukázali přesnost a odvolání. Změna prahové hodnoty klasifikace může také změnit výstup z hlediska přesnosti a vyvolání.
Jiným způsobem lze říci, že odvolání měří počet správných výsledků vydělený počtem výsledků, které měly být vráceny, zatímco přesnost měří počet správných výsledků vydělený počtem všech vrácených výsledků. Tato definice je užitečná, protože si můžete vysvětlit, kolikrát je výsledek, který si systém může „pamatovat“, zatímco vy můžete určit přesnost jako účinnost nebo cílený úspěch identifikace těchto výsledků. Zde se vracíme k tomu, co znamená přesnost a vzpomínka v obecném smyslu - schopnost zapamatovat si položky, versus schopnost si je správně zapamatovat.
Technická analýza pravých pozitiv, falešných pozitiv, pravdivých negativů a falešných negativů je velmi užitečná v technologiích strojového učení a hodnocení, aby bylo možné ukázat, jak fungují klasifikační mechanismy a technologie strojového učení. Měřením přesnosti a odvoláním technickým způsobem mohou odborníci nejen ukázat výsledky spuštění programu strojového učení, ale mohou také začít vysvětlovat, jak tento program vytváří své výsledky - jakou algoritmickou prací program přichází k vyhodnocení souborů dat v konkrétním způsobem.
S ohledem na to může mnoho odborníků na strojové učení hovořit o přesnosti a vyvolávání v analýze výsledků návratu z testovacích sad, výcvikových sad nebo následných výkonových sad dat. Použití pole nebo matice pomůže objednat tyto informace a přehledněji ukázat, jak program funguje a jaké výsledky přináší do tabulky.