Förvirringsmatris och obalanser i data
Hur vet vi om en modell är bra eller dålig på att klassificera våra data? Det sätt som datorer bedömer modellprestanda på kan ibland vara svårt för oss att förstå eller förenkla hur modellen kommer att bete sig i verkligheten. För att skapa modeller som fungerar på ett tillfredsställande sätt måste vi hitta intuitiva sätt att utvärdera dem och förstå hur dessa mått kan påverka vår syn.
Utbildningsmål
I den här modulen ska du:
- Utvärdera prestanda för klassificeringsmodeller.
- Granska mått för att förbättra klassificeringsmodeller.
- Åtgärda prestandaproblem från obalanser i data.
Förutsättningar
Grundläggande kunskaper om klassificeringsmodeller