რა არის სიზუსტე დაბნეულობის მატრიცაში?
რა არის სიზუსტე დაბნეულობის მატრიცაში?

ვიდეო: რა არის სიზუსტე დაბნეულობის მატრიცაში?

ვიდეო: რა არის სიზუსტე დაბნეულობის მატრიცაში?
ვიდეო: ყველაზე შხამიანი გველები მსოფლიოში ★ ტოპ ფაქტები ★ 2024, მაისი
Anonim

ა დაბნეულობის მატრიცა არის კლასიფიკაციის ალგორითმის შესრულების შეჯამების ტექნიკა. კლასიფიკაცია სიზუსტე მარტო შეიძლება იყოს შეცდომაში შემყვანი, თუ თქვენ გაქვთ არათანაბარი რაოდენობის დაკვირვებები თითოეულ კლასში ან თუ გაქვთ ორზე მეტი კლასი თქვენს მონაცემთა ბაზაში.

ასე რომ, როგორ იპოვით დაბნეულობის მატრიცის სიზუსტეს?

Საუკეთესო სიზუსტე არის 1.0, ხოლო ყველაზე უარესი არის 0.0. ასევე შეიძლება იყოს გათვლილი 1-ით – ERR. სიზუსტე არის გათვლილი როგორც ორი სწორი პროგნოზის საერთო რაოდენობა (TP + TN) გაყოფილი მონაცემთა ნაკრების მთლიან რაოდენობაზე (P + N).

შეიძლება ასევე იკითხოს, რა არის დაბალანსებული სიზუსტე დაბნეულობის მატრიცაში? უკეთესი ტერმინის არარსებობის გამო, რასაც მე დავარქმევ "რეგულარულ" ან "საერთო" სიზუსტე გამოითვლება, როგორც ნაჩვენებია მარცხნივ: მაგალითების პროპორცია სწორად კლასიფიცირებულია, ოთხივე უჯრედის დათვლაში დაბნეულობის მატრიცა . დაბალანსებული სიზუსტე გამოითვლება თითოეული კლასის ინდივიდუალურად შესწორებული პროპორციების საშუალოდ.

ამის გათვალისწინებით, რას გეუბნებათ დაბნეულობის მატრიცა?

ა დაბნეულობის მატრიცა არის ცხრილი, რომელიც ხშირად გამოიყენება კლასიფიკაციის მოდელის (ან „კლასიფიკატორის“) მუშაობის აღსაწერად ტესტის მონაცემების ერთობლიობაზე, რომლისთვისაც ნამდვილი მნიშვნელობებია. არიან ცნობილია. ის იძლევა ალგორითმის შესრულების ვიზუალიზაციას.

რა არის დამახსოვრების დაბნეულობის მატრიცა?

სიზუსტის ვიზუალიზაცია და გავიხსენოთ პირველ რიგში არის დაბნეულობის მატრიცა რაც გამოსადეგია სიზუსტის სწრაფად გამოთვლისთვის და გახსენება მოდელის პროგნოზირებული ეტიკეტების გათვალისწინებით. ა დაბნეულობის მატრიცა რადგან ბინარული კლასიფიკაცია აჩვენებს ოთხ განსხვავებულ შედეგს: ჭეშმარიტი დადებითი, ცრუ დადებითი, ჭეშმარიტი უარყოფითი და ცრუ უარყოფითი.

გირჩევთ: