<output id="cuifj"><form id="cuifj"></form></output>
<var id="cuifj"><strike id="cuifj"><small id="cuifj"></small></strike></var>
        1. <code id="cuifj"></code>
          1. <var id="cuifj"><rt id="cuifj"><big id="cuifj"></big></rt></var>
          2. <input id="cuifj"><rt id="cuifj"></rt></input>
                Java人工智能+Pythonweb前端UI/UE設計PHP+H5全棧工程師C/C++云計算大數據新媒體軟件測試產品經理電商運營網絡安全+運維Go語言與區塊鏈影視制作PMP項目管理認證iOSAndroid+物聯網.NET

                想要對人工智能模型進行評估,不了解評估指標怎么辦?

                來源:黑馬程序員

                瀏覽23人

                2019.08.05

                隨著人工智能技術應用領域越來越廣。大量使用了人工智能技術的產品出現在了我們的現實生活中,比如常見的人臉識別,語音識別等等。那么怎樣去衡量這些產品的好壞呢,譬如怎么驗證識別率高低呢。 相信這是開發這個產品的研發人員以及測試人員必須要關注的一個問題。但要衡量這個標準呢,通過傳統的功能測試方法是測不出來的,必須要通過人工智能訓練出的模型進行評估。而評估自然就會涉及到一些指標。本文就講述人工智能領域常見的二分類問題的模型評估指標

                所謂二分類就是一個判斷是與否的標準,比如我們判斷一封郵件是否是垃圾郵件,那么衡量的標準就是兩個:

                1.是垃圾郵件

                2.不是垃圾郵件

                本文通過兩步進行二分類問題模型衡量指標的闡述:

                一、第一步------------二分類模型評估指標的理論介紹

                目標

                掌握二分類模型評估指標的分類以及定義

                步驟

                1.引出混淆矩陣

                衡量指標要根據混淆矩陣的各個分類來進行計算

                人工標記的正被機器預測為正叫TP、人工標記的負被機器預測為正叫:FP、人工標記的負被機器預測為正叫:FN、人工標記的負被機器預測為負叫:TN

                預測正確:正預測為正、負預測為負

                 預測不正確:正預測為負、負預測為正

                T-Ture F-False P-Positive N-Negative

                  22.jpg


                準確率(Accuracy): 所有被AI預測正確的樣本(包括正、負)占所有樣本的比例2.具體指標定義

                 公式如下:

                  Accurary=( TP + TN)/(TP+TN+FP+FN)

                精確率(Precision): 又叫查準率,正確預測為正的占所有預測為正的比例

                 公式如下:

                  Precision= TP/(TP+FP)

                召回率(Recall):又叫查全率,正確預測為正的占全部實際為正的比例

                 公式如下:

                  Recall=TP/(TP+FN)

                二、第二步 -------------二分類模型評估指標實例

                目標

                掌握二分類模型評估指標實際計算以及現實意義

                步驟

                1.實例介紹

                報名參加傳智播客黑馬程序員軟件測試培訓班有男生、女生。我們進行分類,將女生看成是正類,男生為負類,使用AI模型預測后進行指標分析

                2.混淆矩陣實例

                33.jpg

                Accuracy= (58+49)/(58+2+1+49)=97.2%3.指標計算

                Precision=58/(58+1)=98.3%

                Recall=58/(58+2)=96.7%

                4.指標含義的業務分析

                準確率:傳智播客公司需要統計所有人里面被機器正確識別為男生+正確識別為女生的比例

                精確率:傳智播客公司需要統計所有被機器預測為女生里面真正是女生的比例

                召回率:傳智播客公司需要統計所有女生里正確被機器預測為女生的比例

                 總結

                本文通過理論加實踐的方式,為從事人工智能行業技術人員解答了AI領域常見的二分類問題的模型評估指標。需要注意的實際項目中需要根據業務需求來選擇一個具體的衡量指標,重點不是記住公式,而是要理解公立背后所代表的的含義。

                收藏文章

                分享

                分享到:QQ空間新浪微博騰訊微博人人網微信
                在線咨詢 我要報名
                热热色原网站