Γλωσσάριο

Βαθμολογία F (F1 score)

Τι είναι Βαθμολογία F (F1 score);

Η βαθμολογία F (F-score) είναι μια μετρική για την αξιολόγηση μοντέλων ταξινόμησης. Η συνήθης βαθμολογία F1 είναι ο αρμονικός μέσος της ακρίβειας (precision – πόσα από τα προβλεπόμενα θετικά αποτελέσματα είναι σωστά) και της ανάκλησης (recall – πόσα από τα πραγματικά θετικά αποτελέσματα βρέθηκαν) και κυμαίνεται από 0 έως 1. Είναι ιδιαίτερα χρήσιμη με μη ισορροπημένα δεδομένα: ένα φίλτρο ανεπιθύμητης αλληλογραφίας που σχεδόν ποτέ δεν επισημαίνει spam μπορεί να έχει υψηλή ορθότητα αλλά χαμηλή βαθμολογία F1.

Θέματα

Μετρική αξιολόγησης
Κατάταξη
Ακρίβεια και ανάκληση

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Ανάκληση (recall) στη μηχανική μάθηση

Η ανάκληση (recall, ονομάζεται επίσης ευαισθησία ή ποσοστό αληθών θετικών) μετρά ποιο ποσοστό των πραγματικών θετικών περιπτώσεων εντοπίζει ένα μοντέλο: τα σωστά αναγνωρισμένα θετικά διά του συνόλου των πραγματικών θετικών. Αν ένα φίλτρο απάτης εντοπίζει 80 από 100 πραγματικές περιπτώσεις απάτης, η ανάκλησή του είναι 0,8. Η υψηλή ανάκληση έχει σημασία όταν οι περιπτώσεις που διαφεύγουν έχουν υψηλό κόστος, όπως στην ιατρική διάγνωση. Επειδή αγνοεί τους ψευδείς συναγερμούς, συνήθως εξετάζεται μαζί με την ακρίβεια (precision), για παράδειγμα στο F-score.

μετρική
αξιολόγηση μοντέλου
+1

Πίνακας σύγχυσης (confusion matrix)

Ένας πίνακας σύγχυσης (confusion matrix) είναι ένας πίνακας που συγκρίνει τις προβλέψεις ενός ταξινομητή με τις πραγματικές κλάσεις. Για δύο κλάσεις, δείχνει τα αληθή θετικά, τα ψευδώς θετικά, τα αληθή αρνητικά και τα ψευδώς αρνητικά. Από αυτόν μπορούν να υπολογιστούν μετρικές όπως η ακρίβεια, η ανάκληση και η βαθμολογία F1, και γίνεται σαφές ποια σφάλματα εμφανίζονται. Παράδειγμα: ένα φίλτρο ανεπιθύμητης αλληλογραφίας που επισημαίνει πολλά γνήσια email ως spam έχει πολλά ψευδώς θετικά, κάτι που συχνά κοστίζει περισσότερο από ένα μήνυμα spam που ξέφυγε.

Αξιολόγηση μοντέλων
Κατάταξη
+1

Εμβαδόν κάτω από την καμπύλη (AUC)

Το εμβαδόν κάτω από την καμπύλη (Area under the curve, AUC) είναι μια μετρική για μοντέλα ταξινόμησης και αναφέρεται συνήθως στην καμπύλη ROC. Δείχνει πόσο καλά ένα μοντέλο διαχωρίζει τις θετικές από τις αρνητικές περιπτώσεις, ανεξάρτητα από οποιοδήποτε συγκεκριμένο κατώφλι. Τιμή 1 σημαίνει τέλειο διαχωρισμό· το 0,5 δεν είναι καλύτερο από την εικασία. Παράδειγμα: ένα μοντέλο διαρροής πελατών με AUC 0,85 κατατάσσει έναν τυχαία επιλεγμένο πελάτη που φεύγει ως πιο επικίνδυνο από έναν πιστό στο 85% των περιπτώσεων.

Μετρική αξιολόγησης
ROC
+1

Ακρίβεια Top-k

Η ακρίβεια top-k μετρά πόσο συχνά η σωστή απάντηση βρίσκεται ανάμεσα στις k πιθανότερες προτάσεις ενός μοντέλου. Στο top-1 μετράει μόνο η πρώτη πρόβλεψη· στο top-5 αρκεί η σωστή κλάση να βρίσκεται ανάμεσα στις πέντε καλύτερες, μια γνωστή μετρική από benchmarks αναγνώρισης εικόνας όπως το ImageNet. Είναι χρήσιμη όπου οι χρήστες βλέπουν πολλές προτάσεις, για παράδειγμα σε συστάσεις προϊόντων ή αυτόματη συμπλήρωση.

μετρική
Αξιολόγηση
+1