2

機械学習の概念について調査してきましたが、システムの真の精度を判断するために使用できる属性をまだ適切に把握できていません (TPR または正しく分類されたインスタンスの場合)。

また、ROC とカッパ統計の適切な説明も探しています。私の知る限り、ROC はシステムがどれだけ学習しているかを測定し、Kappa はシステムがどれだけ推測しているかを測定します。しかし、それは長年の経験を持つ私たちの教授の説明です。他の技術文書を見ても、彼がそれらの用語で何を意味しているのか理解できませんでした。

したがって、アルゴリズムの精度を示すものと、ROC やカッパ統計など、アルゴリズムが優れている場合にサポートするために必要な属性を知る必要があります。

助けてください！どうもありがとうございました！

4

1 に答える 1

1

機械学習のパフォーマンスに関する 2 つの基本的な基準は、偽陽性 (間違ったアラーム) の比率と偽陰性 (ターゲットを逃した) の比率です。特定のオブジェクト タイプを探していて、100 個のクラス外オブジェクトのうち 10 個の間違ったオブジェクトをターゲットとして検出した場合、偽陽性率は 10% であるとします。

100 個のターゲット オブジェクトのうち 10 個の真のオブジェクトをクラス外としてラベル付けすると、偽陰性率は 10% になります。

通常、この 2 つの比率の間にはトレードオフがあり、ROC 曲線の面積はパフォーマンスの良い指標です。

于 2013-03-19T09:28:19.343 に答える