Sınıflandırma Metrikleri

Karışıklık Matrisi Bir karışıklık matrisi, gerçek değerlerin bilinmekte olduğu bir dizi test verisi üzerinde, bir sınıflandırma modelinin performansını tanımlamak için sıklıkla kullanılan bir tablodur. Örnek bir karışıklık matrisi aşağıda verilmiştir. Karışıklık matrisini anlamak kolaydır, ancak terminolojisi kafa karıştırıcı olabilir. İkili sınıflandırıcı için örnek bir karışıklık matrisiyle başlayalım ancak birden fazla sınıfın olması durumunda tablo kolayca genişletilebilir: İkili sınıflandırıcı için örnek karışıklık matrisi aşağıdaki gibi verilmiş … Okumaya devam et Sınıflandırma Metrikleri

veribilimcisi28 Kasım 201828 Kasım 2018Yorum bırakın

Derin Öğrenme, Makine Öğrenmesi, Veri Analizi

Doğru Metrik Seçimi

Makine Öğrenmesi alanında kullanabileceğimiz birçok metrikten bahsetmiştik. Bunlarla ilgili daha fazla bilgiye aşağıdan ulaşabilirsiniz. MSE, RMSE, MAE, MAPE ve Diğer Metrikler Çapraz Doğrulama (Cross Validation) Tahminlerin Kalitesini Ölçmek Kısaca bu metriklerin ne işe yaradığından bahsettikten sonra, bu metriklerin hangi problem için uygun olacağı üzerinde duracağız. Bir makine öğrenme algoritmasını verilerimize uyguladıktan sonraki adım, modelin veriye ne kadar uygun olduğunu bulmaktır. Farklı makine öğrenmesi algoritmalarını değerlendirmek … Okumaya devam et Doğru Metrik Seçimi

veribilimcisi15 Mayıs 201828 Kasım 2018Yorum bırakın

Makine Öğrenmesi

ROC Eğrisi (ROC Curve)

ROC eğrisi ve eksiksiz bir hassasiyet / özgüllük raporu oluşturmayı sağlar. ROC eğrisinde, gerçek pozitif oran (Hassasiyet), bir parametrenin farklı kesme noktaları için yanlış pozitif oranı (100-Özgüllük) işlevinde çizilir. ROC eğrisindeki her nokta belirli bir karar eşiğine karşılık gelen bir duyarlılık / özgüllük çifti temsil eder. ROC eğrisi altındaki alan (AUC), bir parametrenin iki grubun ne kadar iyi ayırt edilebildiğinin bir ölçüsüdür. Örneğin iki ayrı … Okumaya devam et ROC Eğrisi (ROC Curve)

veribilimcisi18 Temmuz 201724 Temmuz 2017Yorum bırakın