オーディオ 機械学習の「精度と再現性」とは何ですか?

機械学習の「精度と再現性」とは何ですか?

Anonim

Q:

機械学習の「精度と再現性」とは何ですか?

A:

機械学習で「精度と再現性」を説明および定義するには、いくつかの方法があります。 これらの2つの原則は、生成システムでは数学的に重要であり、人間の思考を模倣するAIの取り組みを含む重要な方法では概念的に重要です。 結局、人々は神経学的評価でも「精度と想起」を使用します。

ITでの精度とリコールを考える1つの方法は、精度を検索結果の数に対する関連アイテムと検索アイテムの和集合として定義することです。一方、リコールは関連する結果の合計に対する関連アイテムと検索アイテムの和集合を表します。

それを説明する別の方法は、正確に分類セット内の実際に正しい正の識別の部分を測定し、リコールが正しく識別された実際の正の割合を表すことです。

これらの2つのメトリックは、多くの場合、対話型プロセスで互いに影響を及ぼします。 専門家は、正確さと再現性を示すために、混同マトリックスで真陽性、偽陽性、真陰性、偽陰性をタグ付けするシステムを使用します。 分類のしきい値を変更すると、精度と再現率の点で出力も変更される可能性があります。

別の言い方をすると、リコールは返されるべき結果の数で割った正しい結果の数を測定し、一方、精度は返されたすべての結果の数で割った正しい結果の数を測定します。 システムが「記憶」できる結果の数としてリコールを説明できる一方で、これらの結果を特定する有効性またはターゲット成功として精度をキャストできるため、この定義は役立ちます。 ここで、一般的な意味での精度と想起の意味に戻ります-アイテムを記憶する能力対アイテムを正しく記憶する能力。

真の陽性、偽陽性、真の陰性、偽陰性の技術分析は、分類メカニズムと機械学習技術の仕組みを示すために、機械学習技術と評価に非常に役立ちます。 専門家は、技術的な方法で精度とリコールを測定することにより、機械学習プログラムの実行結果を表示できるだけでなく、プログラムが結果を生成する方法の説明を開始できます。特定の方法。

そのことを念頭に置いて、多くの機械学習の専門家は、テストセット、トレーニングセット、または後続のデータのパフォーマンスセットからの戻り結果の分析で精度とリコールについて話すことがあります。 配列または行列を使用すると、この情報を順序付けし、プログラムがどのように機能し、テーブルにどのような結果をもたらすかをより透過的に示すことができます。

機械学習の「精度と再現性」とは何ですか?