Публикации по теме 'confusion-matrix'
Матрица путаницы — Не такая уж и запутанная!
Матрица путаницы — это метод измерения производительности для классификации машинного обучения. Это своего рода таблица, которая помогает вам узнать производительность модели классификации на наборе тестовых данных, для которых известны истинные значения. Сам термин «матрица путаницы» очень прост, но связанная с ним терминология может немного сбивать с толку. Здесь дается простое объяснение этой техники.
Понимание TP, TN, FP и FN в матрице путаницы
TP: True Positive: предсказанные..
Дисбаланс данных и методы обработки
Данные о дисбалансе - это реальная проблема, с которой специалисты по обработке данных и аналитики сталкиваются в основном при решении проблем классификации. В этом блоге мы собираемся понять, что такое дисбаланс данных, каковы недостатки несбалансированных данных и как с ними справиться.
Далее мы подробно рассмотрим методы обработки несбалансированных данных.
1. Используя правильный показатель эффективности
2. Случайная недостаточная выборка
3. Случайная избыточная выборка
4...
Единственная статья о показателях производительности, которая вам когда-либо понадобится!
Показатели производительности являются важной частью машинного обучения, поскольку они позволяют нам оценивать качество модели и принимать обоснованные решения о том, как ее улучшить. В этой статье мы рассмотрим большинство часто используемых показателей производительности и математику, стоящую за ними. Кроме того, он также обеспечивает простую реализацию Numpy всех показателей, которые можно настроить в соответствии с вашими потребностями.
Метрики ошибок
Если говорить простым языком,..
Освоение матрицы путаницы: шпаргалка по двоичной классификации
Запутались в матрицах путаницы? Вы не одиноки. Многим сложно запомнить различные метрики, полученные из матриц путаницы, и сложные взаимосвязи между ними. Не бойтесь, потому что вы пришли в нужное место!
В этой статье сначала дается краткий обзор основ матриц путаницы и необходимости производных показателей. Во-вторых, он вводит шпаргалку для случая двоичной классификации 2x2. Наконец, в нем рассматриваются важные соображения, которые помогут вам эффективно использовать эту шпаргалку...
Обсуждение часто используемых метрик в задачах классификации
В этой статье я хотел сосредоточиться на метриках оценки для задач классификации. Конечно, есть много ресурсов, чтобы понять эти показатели. На чем мы хотим сосредоточиться, так это на ;
— Что это вкратце?
— Когда или где использовать и что важно?
— В каком случае какой используется?
Некоторые подобные вопросы проясняются.
1) Матрица путаницы
Матрица путаницы — это матрица N x N , используемая для оценки эффективности модели классификации, где N — количество целевых классов ...
Показатели производительности для моделей машинного обучения (часть 3: матрица путаницы)
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?
Понимание матрицы путаницы
Ошибка типа I против ошибки типа II
Матрица путаницы в Python
from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)
import seaborn as sns
from sklearn.metrics import confusion_matrix..
Понимание матрицы путаницы 💪
Привет 👋, я чидубем, и в этой статье я раскрою скрытые детали в матрице путаницы.
ПОЧЕМУ МАТРИЦА СМЕШАНИЙ? 🤨
Если вы когда-либо создавали классификационную модель, вы, вероятно, определяли качество своей модели, возможно, проверяя ее точность. Ну, это хорошо, но проверьте это;
Представьте, что у вас есть модель, которая предсказывает кошек, когда она обучена на 1000 признаков, содержащих 990 кошек и 10 собак, если мы должны рассчитать точность, она будет 99%. Но здесь модель..
