Vượt ra ngoài độ chính xác
Vì sao điều này quan trọng Trên một phép xét nghiệm bệnh hiếm mà 95% số người khỏe mạnh, một mô hình luôn nói "khỏe mạnh" đạt độ chính xác 95% và vô dụng.
Một ma trận nhầm lẫn (confusion matrix) đếm, với mỗi lớp thật, mỗi lớp đã được dự đoán bao nhiêu lần: hàng = sự thật, cột = dự đoán. Từ nó, cho một lớp bạn quan tâm:
- Precision: trong những lần mô hình nói "dương tính", bao nhiêu lần nó đúng?
- Recall: trong những ca dương tính thật, mô hình tìm ra bao nhiêu?
Những con số nhỏ xíu
100 người, 5 người bệnh. Mô hình lười nói khỏe mạnh cho tất cả: độ chính xác 95%, recall 0 trên 5 = 0. Một mô hình thật đánh dấu 8 người, 4 trong số đó bị bệnh: precision 4/8 = 0.5, recall 4/5 = 0.8, và độ chính xác (4 + 91) / 100 = 95%. Cùng độ chính xác, độ hữu ích hoàn toàn khác.
Từ và ký hiệu trong bài học này
- ma trận nhầm lẫn
- số đếm lớp đúng (hàng) theo lớp được dự đoán (cột)
- precision, recall
- trong những gì nó đánh dấu, bao nhiêu là đúng; trong những gì có ở đó, nó tìm ra bao nhiêu
Viết confusion(y_true, y_pred, k) (một mảng k x k các số đếm) và precision_recall(y_true, y_pred, positive) trả về một cặp (dùng 0.0 khi không có gì để chia).
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.