ارزیابی مدل در یادگیری ماشین برای مسائل دسته بندی

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.

• #تحصیلات_و_یادگیری
• #ارزیابی_مدل
• #یادگیری_ماشین
• #هوش_مصنوعی
• #دسته_بندی