accuracy से आगे
यह क्यों मायने रखता है एक दुर्लभ-बीमारी test पर जहाँ 95% लोग स्वस्थ हैं, हमेशा "स्वस्थ" कहने वाला एक model 95% accuracy पाता है और बेकार है।
एक confusion matrix हर सच्ची class के लिए गिनती है कि हर class कितनी बार अनुमानित हुई: row = सच, column = अनुमान। इससे, उस एक class के लिए जिसकी आपको परवाह है:
- Precision: जितनी बार model ने "positive" कहा, कितनी बार सही था?
- Recall: असली positives में से, model ने कितने ढूँढे?
छोटी संख्याएँ
100 लोग, 5 बीमार। आलसी model सबके लिए स्वस्थ कहता है: accuracy 95%, recall 5 में से 0 = 0। एक असली model 8 लोगों को चिह्नित करता है, उनमें से 4 बीमार: precision 4/8 = 0.5, recall 4/5 = 0.8, और accuracy (4 + 91) / 100 = 95%। वही accuracy, पूरी तरह अलग उपयोगिता।
इस पाठ के शब्द और चिह्न
- confusion matrix
- सच्ची class (row) बनाम अनुमानित class (column) की गिनतियाँ
- precision, recall
- जो चिह्नित किया उसमें से कितना सही था; जो था उसमें से कितना ढूँढा
confusion(y_true, y_pred, k) (गिनतियों का एक k गुणा k array) और एक जोड़ी लौटाने वाला precision_recall(y_true, y_pred, positive) लिखें (जब भाग देने को कुछ न हो तो 0.0 इस्तेमाल करें)।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।