큐:
머신 러닝에서 "정밀도 및 리콜"이란 무엇입니까?
ㅏ:머신 러닝에서 "정밀도 및 리콜"을 설명하고 정의하는 방법에는 여러 가지가 있습니다. 이 두 가지 원칙은 인간의 사고를 모방하기위한 인공 지능의 노력과 관련된 주요 방식으로, 생성 시스템에서 수학적으로 중요하며 개념적으로 중요하다. 결국, 사람들은 신경 학적 평가에서도“정밀과 리콜”을 사용합니다.
IT에서 정밀도와 리콜을 생각하는 한 가지 방법은 정밀도를 검색된 결과 수에 대해 관련 항목과 검색된 항목의 합집합으로 정의하는 반면, 리콜은 관련 항목과 검색된 항목의 합집합을 총 관련 결과 전체에서 나타냅니다.
이를 설명하는 또 다른 방법은 정밀도가 실제로 정확한 분류 세트에서 긍정적 인 식별 부분을 측정하는 반면, 재 호출은 올바르게 식별 된 실제 긍정적 인 비율을 나타냅니다.
이 두 지표는 종종 대화식 프로세스에서 서로 영향을줍니다. 전문가들은 정확성과 리콜을 나타 내기 위해 혼동 행렬에서 진 양성, 오 탐지, 진 음성 및 거짓 음표를 태그하는 시스템을 사용합니다. 분류 임계 값을 변경하면 정밀도 및 호출 측면에서 출력을 변경할 수도 있습니다.
다른 방법으로 리콜은 올바른 결과 수를 반환 된 결과 수로 나눈 값을 측정하는 반면, 정밀도는 정확한 결과 수를 반환 된 모든 결과 수로 나눈 값을 측정합니다. 이 정의는 시스템이 "기억할 수있는"결과 수로 리콜을 설명 할 수있는 반면, 결과를 식별하는 효과 또는 목표로하는 성공으로 정밀성을 캐스팅 할 수 있기 때문에 유용합니다. 여기서 우리는 일반적인 의미에서 항목의 기억 능력과 정확하게 기억하는 능력의 정확성과 기억의 의미로 되돌아갑니다.
진 양성, 오 탐지, 진 음성 및 오음의 기술적 분석은 분류 메커니즘 및 기계 학습 기술의 작동 방식을 보여주기 위해 기계 학습 기술 및 평가에 매우 유용합니다. 기술적 인 방식으로 정밀도와 리콜을 측정함으로써 전문가는 머신 러닝 프로그램 실행 결과를 보여줄뿐만 아니라 프로그램이 데이터 세트를 평가하기 위해 어떤 알고리즘 작업으로 프로그램이 결과를 산출하는지 설명 할 수 있습니다. 특별한 방법.
이를 염두에두고 많은 머신 러닝 전문가는 테스트 세트, 교육 세트 또는 후속 성능 데이터 세트의 리턴 결과 분석에서 정밀도에 대해 이야기하고 리콜 할 수 있습니다. 배열이나 행렬을 사용하면이 정보를 주문하고 프로그램의 작동 방식과 결과를 테이블에 더 투명하게 보여줄 수 있습니다.
