Nowa wersja
|
Poprzednia wersja
|
pl:dydaktyka:ml:mlrep1 [2013/04/15 09:35] gjn utworzono |
pl:dydaktyka:ml:mlrep1 [2019/06/27 15:50] (aktualna) |
| |
''S010'' | ''S010'' |
* każde **zadanie** (//task//) uczenia maszynowego polega na wypracowaniu pewnego rozwiązania przy pomocy odpowiedniego **modelu** matematycznego (którego na początku nie znamy) | * każde **zadanie** (//task//) uczenia maszynowego polega na wypracowaniu pewnego rozwiązania przy pomocy odpowiedniego **modelu** matematycznego (którego parametrów na początku nie znamy) |
* na wejściu **modelu** mamy dane (//data//) będące konkretnymi wartościami pewnych **cech**, atrybutów (//features//), na wyjściu modelu otrzymujemy rozwiązanie zadania | * na wejściu **modelu** mamy dane (//data//) będące konkretnymi wartościami pewnych **cech**, atrybutów (//features//), na wyjściu modelu otrzymujemy rozwiązanie zadania |
* zadania wiążą się z pewnymi **obiektami** (//domain objects//), indywiduami, przykładami, egzemplarzami, pomiarami w świecie | * zadania wiążą się z pewnymi **obiektami** (//domain objects//), indywiduami, przykładami, egzemplarzami, pomiarami w świecie |
W celu precyzyjnej oceny jakości klasyfikatora używamy szeregu metryk. | W celu precyzyjnej oceny jakości klasyfikatora używamy szeregu metryk. |
* //class ratio// (**stosunek klas**) clr = Pos/Neg | * //class ratio// (**stosunek klas**) clr = Pos/Neg |
* //accuracy// (**dokładność**) acc = (TP+TN)/Pos/Neg -- stosunek przykładów sklasyfikowanych poprawnie sklasyfikowanych do wszystkich | * //accuracy// (**dokładność**) acc = (TP+TN)/(Pos+Neg) -- stosunek przykładów sklasyfikowanych poprawnie sklasyfikowanych do wszystkich |
* //error rate// err=1-acc | * //error rate// err=1-acc |
* //recall//, //sensitivity//, //true positive rate// tpr=Tp/Pos (**wrażliwość**) | * //recall//, //sensitivity//, //true positive rate// tpr=Tp/Pos (**wrażliwość**) |
* //specificity//, //true negative rate// tnr=TN/Neg (**swoistość**) | * //specificity//, //true negative rate// tnr=TN/Neg (**swoistość**) |
* //precision//, //confidence// prec=TP/(TP+FP) (**precyzja**) | * //precision//, //confidence// prec=TP/(TP+FP) (**precyzja**) |
| * //F-measure// F=2*(precision*recall)/(precision+recall) |
| |
Patrz też [[wp>Receiver_operating_characteristic#Basic_concept]] | Patrz też: |
| * [[wp>Receiver_operating_characteristic#Basic_concept]] |
| * [[wp>Binary_classification#Evaluation_of_binary_classifiers]] |
| |
=== Wizualizacja metryk === | === Wizualizacja metryk === |