أبعد من الدقة
لماذا هذا مهم في اختبار لمرض نادر حيث يكون 95% من الأشخاص أصحاء، فإن النموذج الذي يقول دائما "healthy" يحقق دقة بنسبة 95% وهو غير مفيد.
A confusion matrix تحسب، لكل فئة حقيقية، عدد مرات التنبؤ بكل فئة: الصف هو الحقيقة، والعمود هو التنبؤ. منها، لفئة واحدة تهمك:
- Precision: من بين المرات التي قال فيها النموذج "positive"، كم مرة كان على حق؟
- تذكر: من الإيجابيات الحقيقية، كم عدد ما وجده النموذج؟
أرقام صغيرة
100 شخص، 5 مرضى. يقول النموذج الكسول أن الجميع أصحاء: الدقة 95%، الاستدعاء 0 من 5 = 0. يحدد نموذج حقيقي 8 أشخاص، 4 منهم مرضى: الدقة 4/8 = 0.5، الاستدعاء 4/5 = 0.8، والدقة (4 + 91) / 100 = 95%. نفس الدقة، وفائدة مختلفة تماما.
الكلمات والرموز في هذا الدرس
- مصفوفة الارتباك
- أعداد الفئة الحقيقية (الصف) مقابل الفئة المتوقعة (العمود)
- الدقة، الاستدعاء
- ما الذي حدده، وكم كان صحيحا؛ من الموجود، كم وجد
اكتب confusion(y_true, y_pred, k) (مصفوفة أحجام k بـ k من الأعداد) و precision_recall(y_true, y_pred, positive) التي تعيد زوجا (استخدم 0.0 عندما لا يوجد شيء للقسمة عليه).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.