Περιεχόμενο
Παρουσιάστηκε από: AltaML
Ερ:
Τι είναι η "ακρίβεια και ανάκληση" στη μηχανική μάθηση;
ΕΝΑ:
Υπάρχουν διάφοροι τρόποι για να εξηγήσετε και να ορίσετε την "ακρίβεια και ανάκληση" στη μηχανική μάθηση. Αυτές οι δύο αρχές είναι μαθηματικά σημαντικές στα γενετικά συστήματα, και εννοιολογικά σημαντικά, με βασικούς τρόπους που συνεπάγονται τις προσπάθειες του AI να μιμείται την ανθρώπινη σκέψη. Μετά από όλα, οι άνθρωποι χρησιμοποιούν "ακρίβεια και ανάκληση" στη νευρολογική αξιολόγηση, επίσης.
Ένας τρόπος να σκεφτούμε την ακρίβεια και την ανάκληση στον τομέα της πληροφορικής είναι να ορίσουμε την ακρίβεια ως ένωση των σχετικών αντικειμένων και των ανακτημένων αντικειμένων πάνω από τον αριθμό των ανακτηθέντων αποτελεσμάτων, ενώ η ανάκληση αντιπροσωπεύει την ένωση των σχετικών αντικειμένων και των ανακτημένων αντικειμένων πάνω στο σύνολο των σχετικών αποτελεσμάτων.
Ένας άλλος τρόπος να εξηγηθεί είναι ότι η ακρίβεια μετρά το μέρος των θετικών ταυτοποιήσεων σε ένα σετ ταξινόμησης που ήταν πραγματικά σωστό, ενώ η ανάκληση αντιπροσωπεύει το ποσοστό των πραγματικών θετικών που εντοπίστηκαν σωστά.
Αυτές οι δύο μετρήσεις αλληλεπιδρούν συχνά μεταξύ τους σε μια διαδραστική διαδικασία. Οι ειδικοί χρησιμοποιούν ένα σύστημα επισήμανσης αληθινών θετικών, ψευδών θετικών, αληθινών αρνητικών και ψευδών αρνητικών σε μήτρα σύγχυσης για να δείξουν ακρίβεια και ανάκληση. Η αλλαγή του ορίου ταξινόμησης μπορεί επίσης να αλλάξει την απόδοση όσον αφορά την ακρίβεια και την ανάκληση.
Ένας άλλος τρόπος να πούμε είναι ότι η ανάκληση μετράει τον αριθμό των σωστών αποτελεσμάτων, διαιρούμενο με τον αριθμό των αποτελεσμάτων που θα έπρεπε να έχουν επιστραφεί, ενώ η ακρίβεια μετράει τον αριθμό των σωστών αποτελεσμάτων διαιρούμενο με τον αριθμό όλων των αποτελεσμάτων που επιστράφηκαν. Αυτός ο ορισμός είναι χρήσιμος, επειδή μπορείτε να εξηγήσετε την ανάκληση ως τον αριθμό των αποτελεσμάτων που ένα σύστημα μπορεί να "θυμάται", ενώ μπορείτε να πετύχετε την ακρίβεια ως αποτελεσματικότητα ή στοχοθετημένη επιτυχία της αναγνώρισης αυτών των αποτελεσμάτων. Εδώ θα πάμε πίσω σε τι σημαίνει ακρίβεια και ανάκληση με μια γενική έννοια - την ικανότητα να θυμάσαι τα στοιχεία, σε σχέση με τη δυνατότητα να τα θυμάσαι σωστά.
Η τεχνική ανάλυση των αληθινών θετικών, των ψευδών θετικών, των αληθινών αρνητικών και των ψευδών αρνητικών είναι εξαιρετικά χρήσιμη στις τεχνολογίες μηχανικής μάθησης και στην αξιολόγηση, προκειμένου να δείξει πώς λειτουργούν οι μηχανισμοί ταξινόμησης και οι τεχνολογίες μηχανικής μάθησης. Μέσω της μέτρησης της ακρίβειας και της ανάκλησης με τεχνικό τρόπο, οι εμπειρογνώμονες μπορούν όχι μόνο να παρουσιάσουν τα αποτελέσματα της λειτουργίας ενός προγράμματος εκμάθησης μηχανών, αλλά μπορούν επίσης να ξεκινήσουν να εξηγούν πώς το πρόγραμμα παράγει τα αποτελέσματά του - από ποια αλγοριθμική εργασία το πρόγραμμα έρχεται για να αξιολογήσει σύνολα δεδομένων συγκεκριμένος τρόπος.
Με αυτό κατά νου, πολλοί επαγγελματίες της εκμάθησης μηχανών μπορούν να μιλήσουν για την ακρίβεια και την ανάκληση σε μια ανάλυση των αποτελεσμάτων επιστροφής από σύνολα δοκιμών, σετ κατάρτισης ή μετέπειτα σύνολα δεδομένων απόδοσης. Η χρήση ενός πίνακα ή ενός πίνακα θα βοηθήσει στην παραγγελία αυτών των πληροφοριών και θα δείξει με μεγαλύτερη διαφάνεια πώς λειτουργεί το πρόγραμμα και ποια αποτελέσματα φέρνει στον πίνακα.