如何判断机器学习算法哪个更好？

809669515

2018-10-29 阅读量: 1206

如何判断机器学习算法哪个更好？

为了告诉机器学习算法（或研究人员）模型2优于模型1，我们需要更好的指标，而不仅仅是计算错误的数量。

我们介绍了真阳性，真阴性，假阳性和假阴性的概念：

真阳性（TP rate） - 一个积极的例子，被正确归类为阳性

真阴性（TN rate） - 一个阴性的例子，被正确分类为阴性

误报（FP rate） - 一个否定的例子，但被错误地归类为正面

假阴性（FN rate） - 一个积极但被错误归类为消极的例子

基于此以上。我们还将得到以下真实阳性率，真实阴性率，假阳性率，假阴性率：

使用这些新指标，让我们将其与计算上述示例所犯错误数量的传统指标进行比较。首先，我们将使用旧指标来计算出错的次数（错误）：

如上所示，模型1看起来比模型2（1.0％误差）具有更低的误差（0.1％误差），但我们知道模型2是更好的，因为它产生更少的假阴性（FN）（最大化真阳性（ TP））。现在让我们看看模型1和模型2的性能与新指标的相似之处：

现在，我们可以看到模型1的假阴性率为70％，而模型2的假阴性率仅为20％，这显然是更好的分类器。这就是我们应该教育机器学习算法（或我们）使用它以便允许它选择更好的算法。

114.3933

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子