Sınıflandırma performansının ölçülmesi için, modelin tahminlerinin gerçek değerlerle karşılaştırılması gerekir. Bu karşılaştırma, bir karışıklık matrisi (confusion matrix) ile gösterilebilir. Karışıklık matrisi, modelin doğru ve yanlış tahminlerini dört kategoriye ayırır:
Doğru pozitif (DP): Modelin pozitif olarak tahmin ettiği ve gerçekte de pozitif olan veri noktaları. Örneğin, modelin COVID+ olarak tahmin ettiği ve gerçekten de COVID+ olan hastalar.
Doğru negatif (DN): Modelin negatif olarak tahmin ettiği ve gerçekte de negatif olan veri noktaları. Örneğin, modelin COVID- olarak tahmin ettiği ve gerçekten de COVID- olan hastalar.
Yanlış pozitif (YP): Modelin pozitif olarak tahmin ettiği ama gerçekte negatif olan veri noktaları. Örneğin, modelin COVID+ olarak tahmin ettiği ama gerçekte COVID- olan hastalar. Bu tip hatalara Tip I hata denir.
Yanlış negatif (YN): Modelin negatif olarak tahmin ettiği ama gerçekte pozitif olan veri noktaları. Örneğin, modelin COVID- olarak tahmin ettiği ama gerçekte COVID+ olan hastalar. Bu tip hatalara Tip II hata denir.
...
Devamını oku »
Eğitim işlemi, algoritmaları ve veri setini kullanarak bir model geliştirme (eğitim) işlemidir. Model, verilerdeki örüntüleri veya ilişkileri yakalamak için kullanılan bir matematiksel fonksiyondur. Eğitim işlemi, modelin verileri en iyi şekilde açıklayan veya tahmin eden parametrelerini bulmak için veri setini algoritmalara uygulamaktır.
Geliştirilen modellerin başarısını ölçmek modeli değerlendirebilmek için gereklidir. Modelin ne kadar iyi performans gösterdiğini, verileri ne kadar doğru açıkladığını veya tahmin ettiğini belirlemek için performans ölçümleri kullanılır. Performans ölçümleri, modelin çıktılarını gerçek değerlerle karşılaştırarak bir hata veya doğruluk oranı hesaplar.
Sınıflandırma ve sayısal tahmin olmak üzere iki farklı performans ölçüm yöntemi bulunur. Sınıflandırma, veri öğelerinin ait olduğu sınıfı belirtir ve çıktıda sonlu ve ayrık değerler olduğunda kullanılır.
Örnek:
Kredi Riski tahmin eden bir makine öğrenmesi modeli düşünelim. Bu model, kişilerin gelir, yaş, eğitim, borç, kredi geçmişi gibi özelliklerini kullanarak, kredi başvurusunda bulunan kişilerin kredi riskini düşük veya yüksek olarak sınıflandırır. Modelinizi oluşturduktan sonra, doğrulama veya test aşamasında, modelinizin performansını ölçmek istersiniz. Test veri setinde kredi riski düşük veya yüksek olarak etiketli kişilerin model tarafından doğru olarak sınıflandırılmasını beklersiniz. Makine öğrenmesinin tahminlerini gerçek etiketlerle karşılaştırmanız gerekir. Test setinde "kredi riski yüksek" olarak etiketlenmiş bir kişiye ait girdiler verildiğinde "kredi riski yüksek" olduğunu tahmin etmesini beklersiniz ancak her zaman böyle olmaz. Modeller tıpkı insanlar gibi (böyle işlemlerde insanlardan çok daha fazla) hatalı sınıflandırmalar yapabilir. Sınıflandırma için geliştirilen bir model örnekteki gibi ikili sınıflandırmada dört farklı tahmin üretebilir.
...
Devamını oku »
bıraktım kırılmayı geçen gün, tamamen bıraktım
tekrar başlamayı düşünmüyorum masraflı oluyor
tamam daha önce de bırakmıştım birkaç kez
nefsime yenik düşüp tekrar başlamıştım, kötü çevre
ama bu kez kesin, çünkü bu kez bıraktığımda
...
Devamını oku »
Maalesef burada bir düşme var.
Performans düşerse kalmaz hırsı.
Sadece bir iki kişide yükselme var.
Performansı niçin düşük çok kişinin,
...
Devamını oku »
Herkesler pür telaşla,katma değer peşinde,
Öğretmenin kalitesini ölçmeye,performans,
Hiç kimse laf kondurmaz, memnun işinden,
Muhtaç etti ele,güne öğretmeni,performans...
...
Devamını oku »
Zayıf vermişler karneme
Gitmeliyim uygun görüldüğüm başka bir şehire,
ben sadece. secdede iken bükülür üm
Dik duruyorum diye, hep kaybediyorum
...
Devamını oku »
şiirsel cümleler mırıldanmaktan
vazgeçiyorum sana ve yarına
ayaklarıma sürüklediğim taşlar
ülkesiz adamların bulut aidiyeti
...
Devamını oku »
Adına performans dediler
Puanın kadar para
Sanki yarış arenada
Yarım dakikada et muayene
İste tetkik dolsun cebin
...
Devamını oku »
