Справедливость (машинное обучение)

Справедливость (машинное обучение) Определение справедливости классификатора Справедливость классификатора — это способность модели правильно предсказывать положительные и отрицательные классы.  Модель считается […]

Справедливость (машинное обучение)

  • Определение справедливости классификатора

    • Справедливость классификатора — это способность модели правильно предсказывать положительные и отрицательные классы. 
    • Модель считается справедливой, если она предсказывает положительные классы с высокой точностью и отрицательные классы с высокой точностью. 
  • Матрица путаницы и ее использование

    • Матрица путаницы используется для оценки точности модели и помогает определить эффективность классификации. 
    • Она состоит из четырех ячеек, каждая из которых представляет собой долю правильно классифицированных случаев для каждого класса. 
  • Показатели справедливости

    • Существует множество показателей, которые используются для оценки справедливости классификатора. 
    • Некоторые из них включают точность, коэффициент ложного обнаружения, отрицательное прогнозируемое значение, долю ложных прогнозов и другие. 
  • Взаимосвязь между определениями

    • Независимость, разделение и достаточность являются взаимосвязанными понятиями, которые не могут быть выполнены одновременно, за исключением особых случаев. 
  • Математическая формулировка

    • В статье представлены предварительные определения и математические формулы для различных показателей справедливости. 
    • Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала. 

Полный текст статьи:

Справедливость (машинное обучение) — Википедия

Оставьте комментарий

Прокрутить вверх