Müfredat 250 dersinden 91. · İlk Makine Öğrenmesi Modellerin
İlk Makine Öğrenmesi Modellerin

Modelleri Değerlendirme: Doğruluk ve Hata

A eğitilmiş modeli, ne kadar iyi olduğunu söyleyene kadar işe yaramaz. Doğru skor, neyi tahmin ettiğine bağlıdır.

Sınıflandırma: doğruluk

Etiket bir kategori olduğunda (spam veya değil, tür A/B/C), en basit skor accuracy: doğru tahminlerin oranıdır.

from sklearn.metrics import accuracy_score

acc = accuracy_score(y_true, y_pred)   # e.g. 0.875 means 7 of 8 right

Accuracy 0 ile 1 arasında çalışır. Ama "iyi" görecelidir. Eğer e-postaların yüzde 95'i spam değilse, her zaman "not spam" tahmin eden tembel bir model, hiç spam yakalamadan zaten 0.95 puan alır. Bir sayıya sevinmeden önce her zaman bu tür basit bir baseline ile karşılaştır.

Regression: hata

Etiket sürekli bir sayı (bir fiyat, bir sıcaklık) olduğunda, doğruluk pek bir anlam ifade etmez, kesin değeri neredeyse hiç tahmin edemezsin. Bunun yerine ne kadar yanıldığını ölçersin. Yaygın bir seçim mean absolute error, yani hatanın ortalama büyüklüğüdür:

from sklearn.metrics import mean_absolute_error

mae = mean_absolute_error(y_true, y_pred)   # in the same units as y

MAE etiketin kendi birimlerindedir, bu da onu okumayı kolaylaştırır: binlik bazda konut fiyatlarında 12 MAE, ortalama olarak yaklaşık 12k hata yaptığın anlamına gelir. Düşük değer daha iyidir ve 0 mükemmeldir.

Hem verilen tahminlerden bir doğruluk hem de mükemmel derecede düz bir çizgi üzerindeki küçük bir doğrusal regresyon uyumundan bir MAE hesaplayacaksın (bu yüzden hatası esasen sıfır olmalı).

Senin sıran

Bölüm 1: y_true ve y_pred dizileri (her biri 8 etiketli, tam olarak bir noktada farklı) veriliyor. acc = accuracy_score(y_true, y_pred) ayarla. Bölüm 2: X ve target y = 2x doğrusunu tanımlıyor. Onlara reg adlı bir LinearRegression uydur, X üzerinde reg_pred içine tahmin yap, sonra mae = mean_absolute_error(target, reg_pred) ayarla.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.