Slovník pojmov

Matica zámen (confusion matrix)

Čo je Matica zámen (confusion matrix)?

Matica zámen (confusion matrix) je tabuľka, ktorá porovnáva predpovede klasifikátora so skutočnými triedami. Pri dvoch triedach ukazuje skutočne pozitívne, falošne pozitívne, skutočne negatívne a falošne negatívne prípady. Z nej možno vypočítať metriky, ako sú presnosť, úplnosť a skóre F1, a je jasné, aké chyby sa vyskytujú. Príklad: filter spamu, ktorý označí veľa skutočných e-mailov ako spam, má veľa falošne pozitívnych výsledkov, čo je často drahšie než prehliadnutá spamová správa.

Témy

Hodnotenie modelov
Vyhodnotenie
metriky

Vyskúšajte KI.ordo

Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.

Spustiť demo

← Všetky pojmy

Súvisiace pojmy

Skóre F (skóre F1)

Skóre F je metrika na hodnotenie klasifikačných modelov. Bežné skóre F1 je harmonický priemer presnosti (koľko predpovedaných zásahov je správnych) a úplnosti (koľko skutočných zásahov sa našlo) a pohybuje sa od 0 do 1. Je užitočné najmä pri nevyvážených údajoch: filter spamu, ktorý spam takmer nikdy neoznačí, môže mať vysokú správnosť, ale nízke skóre F1.

Hodnotiaca metrika
Vyhodnotenie
+1

Recall v strojovom učení

Recall (nazývaný aj senzitivita alebo miera skutočne pozitívnych) meria, aký podiel skutočných pozitívnych prípadov model odhalí: správne identifikované pozitívne prípady vydelené všetkými skutočnými pozitívnymi. Ak filter podvodov zachytí 80 zo 100 skutočných podvodov, jeho recall je 0,8. Vysoký recall je dôležitý tam, kde je premeškaný prípad nákladný, napríklad pri lekárskej diagnostike. Keďže ignoruje falošné poplachy, zvyčajne sa posudzuje spolu s presnosťou (precision), napríklad v skóre F.

metrika
vyhodnotenie modelu
+1

Klasifikátor

Klasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.

Vyhodnotenie
Strojové učenie
+1

Šablóna

Krivka ROC

Krivka ROC (receiver operating characteristic) ukazuje, nakoľko dobre klasifikačný model oddeľuje dve triedy. Pre každý možný rozhodovací prah zobrazuje mieru skutočne pozitívnych (recall) voči miere falošne pozitívnych. Čím viac sa krivka blíži k ľavému hornému rohu, tým lepšie; uhlopriečka zodpovedá čistému hádaniu. Plocha pod ňou (AUC) zhŕňa krivku do jediného čísla a pomáha napríklad pri porovnávaní rôznych modelov na odhaľovanie podvodov.

metrika
vyhodnotenie modelu
+1