ارزیابی مدل در یادگیری ماشین برای مسائل دسته بندی
1 هزار بار بازدید -
4 سال پیش
-
در #هوش_مصنوعی و #یادگیری_ماشین وقتی
در #هوش_مصنوعی و #یادگیری_ماشین وقتی برای حل یک مساله، مانند #دسته_بندی، #خوشه_بندی و یا #رگرسیون مدلی ایجاد میشود، باید نقاط قوت و ضعف مدل به دقت مورد بررسی قرار گیرد تا توانمندی آن مدل در حل مساله مورد اطمینان باشد.
در این ویدئو به توضیح روش های #ارزیابی_مدل برای مسائل #دسته_بندی پرداختم. معیارهایی مانند صحت Accuracy، دقت Precision، نرخ فراخوانی Recall یا Sensitivity و همچنین نمودارهای ROC curve و Recall Precision curver را در مساله دسته بندی دودویی مورد بررسی قرار دادم.
4 سال پیش
در تاریخ 1399/03/31 منتشر شده
است.
1,063
بـار بازدید شده