این صفحه شامل اصطلاحات واژه نامه متریک است. برای همه اصطلاحات واژه نامه، اینجا را کلیک کنید .
الف
دقت
تعداد پیشبینیهای طبقهبندی صحیح تقسیم بر تعداد کل پیشبینیها. یعنی:
به عنوان مثال، مدلی که 40 پیشبینی درست و 10 پیشبینی نادرست داشته باشد، دقتی برابر با:
طبقه بندی باینری نام های خاصی را برای دسته های مختلف پیش بینی های صحیح و پیش بینی های نادرست ارائه می دهد. بنابراین، فرمول دقت برای طبقه بندی باینری به شرح زیر است:
کجا:
- TP تعداد مثبت های واقعی (پیش بینی های صحیح) است.
- TN تعداد منفی های واقعی (پیش بینی های صحیح) است.
- FP تعداد مثبت کاذب (پیشبینیهای نادرست) است.
- FN تعداد منفی های کاذب (پیش بینی های نادرست) است.
مقایسه و مقایسه دقت با دقت و یادآوری .
برای جزئیات در مورد دقت و مجموعه داده های نامتعادل کلاس، روی نماد کلیک کنید.
برای اطلاعات بیشتر به طبقه بندی: دقت، یادآوری، دقت و معیارهای مرتبط در دوره تصادف یادگیری ماشین مراجعه کنید.
ناحیه زیر منحنی PR
به PR AUC (منطقه زیر منحنی PR) مراجعه کنید.
ناحیه زیر منحنی ROC
AUC (مساحت زیر منحنی ROC) را ببینید.
AUC (مساحت زیر منحنی ROC)
عددی بین 0.0 و 1.0 نشان دهنده توانایی یک مدل طبقه بندی باینری برای جداسازی کلاس های مثبت از کلاس های منفی است. هر چه AUC به 1.0 نزدیکتر باشد، مدل توانایی بهتری برای جداسازی کلاس ها از یکدیگر دارد.
برای مثال، تصویر زیر یک مدل طبقهبندی کننده را نشان میدهد که کلاسهای مثبت (بیضی سبز) را از کلاسهای منفی (مستطیلهای بنفش) کاملاً جدا میکند. این مدل غیرواقعی کامل دارای AUC 1.0 است:
برعکس، تصویر زیر نتایج یک مدل طبقهبندی کننده را نشان میدهد که نتایج تصادفی ایجاد میکند. این مدل دارای AUC 0.5 است:
بله، مدل قبلی دارای AUC 0.5 است، نه 0.0.
اکثر مدل ها جایی بین دو حالت افراطی هستند. به عنوان مثال، مدل زیر موارد مثبت را تا حدودی از منفی جدا می کند و بنابراین دارای AUC بین 0.5 و 1.0 است:
AUC هر مقداری را که برای آستانه طبقه بندی تنظیم کرده اید نادیده می گیرد. در عوض، AUC تمام آستانه های طبقه بندی ممکن را در نظر می گیرد.
برای اطلاع از رابطه بین منحنی های AUC و ROC روی نماد کلیک کنید.
برای تعریف رسمی تر AUC روی نماد کلیک کنید.
برای اطلاعات بیشتر به طبقه بندی: ROC و AUC در دوره تصادف یادگیری ماشینی مراجعه کنید.
دقت متوسط در k
معیاری برای خلاصه کردن عملکرد یک مدل در یک اعلان واحد که نتایج رتبهبندیشدهای را ایجاد میکند، مانند فهرست شمارهدار توصیههای کتاب. میانگین دقت در k ، خوب، میانگین دقت در مقادیر k برای هر نتیجه مرتبط است. بنابراین فرمول دقت متوسط در k به صورت زیر است:
average precision at k=1nn∑i=1precision at k for each relevant item
کجا:
- n تعداد موارد مرتبط در لیست است.
کنتراست با فراخوان در k .
برای مثال روی نماد کلیک کنید
ب
خط پایه
مدلی که به عنوان یک نقطه مرجع برای مقایسه عملکرد یک مدل دیگر (معمولاً پیچیده تر) استفاده می شود. به عنوان مثال، یک مدل رگرسیون لجستیک ممکن است به عنوان یک پایه خوب برای یک مدل عمیق عمل کند.
برای یک مشکل خاص، خط مبنا به توسعه دهندگان مدل کمک می کند تا حداقل عملکرد مورد انتظاری را که یک مدل جدید باید به آن دست پیدا کند تا مدل جدید مفید باشد، کمّی کنند.
سی
هزینه
مترادف باخت .
انصاف خلاف واقع
یک معیار انصاف که بررسی میکند آیا یک طبقهبندی کننده همان نتیجه را برای یک فرد ایجاد میکند که برای فرد دیگری که مشابه اولی است، مگر در مورد یک یا چند ویژگی حساس . ارزیابی یک طبقهبندیکننده برای انصاف خلاف واقع یکی از روشهای آشکارسازی منابع بالقوه سوگیری در یک مدل است.
برای اطلاعات بیشتر به یکی از موارد زیر مراجعه کنید:
- انصاف: انصاف متضاد در دوره تصادف یادگیری ماشین.
- وقتی دنیاها با هم برخورد می کنند: ادغام مفروضات مختلف خلاف واقع در انصاف
آنتروپی متقابل
تعمیم Log Loss به مسائل طبقه بندی چند طبقه . آنتروپی متقاطع تفاوت بین دو توزیع احتمال را کمیت می کند. حیرت را نیز ببینید.
تابع توزیع تجمعی (CDF)
تابعی که فرکانس نمونه ها را کمتر یا مساوی با مقدار هدف تعریف می کند. برای مثال، توزیع نرمال مقادیر پیوسته را در نظر بگیرید. یک CDF به شما می گوید که تقریباً 50٪ نمونه ها باید کمتر یا مساوی با میانگین باشند و تقریباً 84٪ نمونه ها باید کمتر یا مساوی یک انحراف استاندارد بالاتر از میانگین باشند.
D
برابری جمعیتی
یک معیار انصاف که اگر نتایج طبقهبندی یک مدل به یک ویژگی حساس معین وابسته نباشد، برآورده میشود.
به عنوان مثال، اگر هم لیلیپوتی ها و هم بروبدینگناگی ها برای دانشگاه گلابدابدریب درخواست دهند، برابری جمعیتی در صورتی حاصل می شود که درصد لیلیپوتیان پذیرفته شده با درصد بروبدینگناگیان پذیرفته شده یکسان باشد، صرف نظر از اینکه یک گروه به طور متوسط واجد شرایط تر از گروه دیگر باشد.
در مقایسه با شانس برابر و برابری فرصت ، که اجازه میدهد طبقهبندی نتایج مجموع به ویژگیهای حساس بستگی داشته باشد، اما اجازه نمیدهد نتایج طبقهبندی برای برخی برچسبهای حقیقت پایه مشخص شده به ویژگیهای حساس بستگی داشته باشد. برای تجسم کاوش در مبادلات هنگام بهینه سازی برابری جمعیتی، «حمله به تبعیض با یادگیری ماشینی هوشمندتر» را ببینید.
برای اطلاعات بیشتر به Fairness: برابری جمعیتی در دوره تصادف یادگیری ماشینی مراجعه کنید.
E
فاصله حرکت دهنده زمین (EMD)
اندازه گیری شباهت نسبی دو توزیع . هر چه فاصله زمین گردان کمتر باشد، توزیع ها مشابه تر است.
فاصله را ویرایش کنید
اندازه گیری شباهت دو رشته متنی به یکدیگر. در یادگیری ماشینی، ویرایش فاصله به دلایل زیر مفید است:
- محاسبه فاصله ویرایش آسان است.
- ویرایش فاصله میتواند دو رشته را که شبیه یکدیگر هستند مقایسه کند.
- فاصله ویرایش می تواند میزان شباهت رشته های مختلف به یک رشته معین را تعیین کند.
تعاریف متعددی از فاصله ویرایش وجود دارد که هر کدام از عملیات رشته های متفاوتی استفاده می کنند. برای مثال فاصله Levenshtein را ببینید.
تابع توزیع تجمعی تجربی (eCDF یا EDF)
یک تابع توزیع تجمعی بر اساس اندازهگیریهای تجربی از یک مجموعه داده واقعی. مقدار تابع در هر نقطه در امتداد محور x کسری از مشاهدات در مجموعه داده است که کمتر یا مساوی با مقدار مشخص شده است.
آنتروپی
در تئوری اطلاعات ، توصیفی از غیرقابل پیشبینی بودن توزیع احتمال است. متناوباً، آنتروپی نیز به این صورت تعریف میشود که هر مثال حاوی چه مقدار اطلاعات است. یک توزیع دارای بالاترین آنتروپی ممکن است زمانی که همه مقادیر یک متغیر تصادفی به یک اندازه محتمل باشند.
آنتروپی یک مجموعه با دو مقدار ممکن "0" و "1" (به عنوان مثال، برچسب ها در یک مسئله طبقه بندی باینری ) فرمول زیر را دارد:
H = -p log p - q log q = -p log p - (1-p) * log (1-p)
کجا:
- H آنتروپی است.
- p کسری از مثال های "1" است.
- q کسری از مثال های "0" است. توجه داشته باشید که q = (1 - p)
- log به طور کلی log 2 است. در این حالت واحد آنتروپی کمی است.
برای مثال موارد زیر را فرض کنید:
- 100 مثال حاوی مقدار "1" هستند
- 300 مثال حاوی مقدار "0" هستند
بنابراین، مقدار آنتروپی:
- p = 0.25
- q = 0.75
- H = (-0.25)log 2 (0.25) - (0.75)log 2 (0.75) = 0.81 بیت در هر مثال
مجموعه ای که کاملاً متعادل باشد (مثلاً 200 "0" و 200 "1") آنتروپی 1.0 بیت در هر مثال خواهد داشت. وقتی یک مجموعه نامتعادل تر می شود، آنتروپی آن به سمت 0.0 حرکت می کند.
در درختهای تصمیم ، آنتروپی به فرمولبندی به دست آوردن اطلاعات کمک میکند تا به تقسیمکننده کمک کند شرایط را در طول رشد درخت تصمیم طبقهبندی انتخاب کند.
مقایسه آنتروپی با:
- ناخالصی جینی
- تابع از دست دادن آنتروپی متقابل
آنتروپی اغلب آنتروپی شانون نامیده می شود.
برای اطلاعات بیشتر به Exact splitter برای طبقه بندی باینری با ویژگی های عددی در دوره Decision Forests مراجعه کنید.
برابری فرصت ها
یک معیار انصاف برای ارزیابی اینکه آیا یک مدل نتیجه مطلوب را برای همه مقادیر یک ویژگی حساس به خوبی پیشبینی میکند یا خیر. به عبارت دیگر، اگر نتیجه مطلوب برای یک مدل کلاس مثبت باشد، هدف این است که نرخ مثبت واقعی برای همه گروهها یکسان باشد.
برابری فرصت به شانس مساوی مربوط می شود، که مستلزم آن است که هم نرخ های مثبت واقعی و هم نرخ های مثبت کاذب برای همه گروه ها یکسان باشند.
فرض کنید دانشگاه گلابدابدریب هم لیلیپوت ها و هم بروبدینگناگی ها را در یک برنامه ریاضی دقیق پذیرفته است. مدارس متوسطه لیلیپوت ها برنامه درسی قوی از کلاس های ریاضی ارائه می دهند و اکثریت قریب به اتفاق دانش آموزان واجد شرایط برنامه دانشگاه هستند. مدارس متوسطه Brobdingnagians به هیچ وجه کلاس های ریاضی ارائه نمی دهند و در نتیجه دانش آموزان بسیار کمتری واجد شرایط هستند. اگر دانشآموزان واجد شرایط به همان اندازه بدون توجه به لیلیپوتی یا بروبدینگناگی، پذیرش شوند، برای برچسب ترجیحی «پذیرفتهشده» با توجه به ملیت (Lilliputian یا Brobdingnagian) رعایت میشود.
به عنوان مثال، فرض کنید 100 لیلیپوتی و 100 برابدینگ ناگی برای دانشگاه گلابدابدریب درخواست دهند و تصمیمات پذیرش به شرح زیر اتخاذ می شود:
جدول 1. متقاضیان لیلیپوت (90٪ واجد شرایط هستند)
واجد شرایط | فاقد صلاحیت | |
---|---|---|
پذیرفته شد | 45 | 3 |
رد شد | 45 | 7 |
مجموع | 90 | 10 |
درصد پذیرش دانشجویان واجد شرایط: 45/90 = 50% درصد رد دانش آموزان فاقد صلاحیت: 7/10 = 70% درصد کل دانشجویان لیلیپوتی پذیرفته شده: (45+3)/100 = 48% |
جدول 2. متقاضیان Brobdingnagian (10٪ واجد شرایط):
واجد شرایط | فاقد صلاحیت | |
---|---|---|
پذیرفته شد | 5 | 9 |
رد شد | 5 | 81 |
مجموع | 10 | 90 |
درصد پذیرش دانشجویان واجد شرایط: 5/10 = 50٪ درصد مردودی دانش آموزان فاقد صلاحیت: 90/81 = 90 درصد درصد کل دانشجویان بروبدینگناگیان پذیرفته شده: (5+9)/100 = 14% |
مثالهای قبلی برابری فرصتها را برای پذیرش دانشآموزان واجد شرایط برآورده میکنند، زیرا لیلیپوتهای واجد شرایط و برابدینگناگیان هر دو 50 درصد شانس پذیرش دارند.
در حالی که برابری فرصت برآورده می شود، دو معیار انصاف زیر راضی نمی شوند:
- برابری جمعیتی : لیلیپوت ها و برابدینگناگی ها با نرخ های متفاوتی در دانشگاه پذیرفته می شوند. 48 درصد از دانش آموزان لیلیپوتی پذیرش می شوند، اما تنها 14 درصد از دانش آموزان بروبدینگناگیان پذیرفته می شوند.
- شانس مساوی : در حالی که دانش آموزان لیلیپوتی و بروبدینگناگی واجد شرایط هر دو شانس یکسانی برای پذیرش دارند، محدودیت اضافی که لیلیپوت های فاقد صلاحیت و برابدینگناگیان هر دو شانس یکسانی برای رد شدن دارند برآورده نمی شود. لیلیپوت های فاقد صلاحیت 70 درصد نرخ رد دارند، در حالی که بروبدینگناگیان فاقد صلاحیت 90 درصد نرخ رد دارند.
برای کسب اطلاعات بیشتر، به Fairness: Equality of فرصت ها در دوره تصادف یادگیری ماشینی مراجعه کنید.
شانس مساوی
یک معیار انصاف برای ارزیابی اینکه آیا یک مدل نتایج را به خوبی برای همه مقادیر یک ویژگی حساس با توجه به کلاس مثبت و منفی - نه فقط یک طبقه یا کلاس دیگر - به طور یکسان پیشبینی میکند. به عبارت دیگر، هم نرخ مثبت واقعی و هم نرخ منفی کاذب باید برای همه گروه ها یکسان باشد.
شانس برابر شده مربوط به برابری فرصت است که فقط بر روی نرخ خطا برای یک کلاس واحد (مثبت یا منفی) تمرکز دارد.
به عنوان مثال، فرض کنید دانشگاه گلابدابدریب هم لیلیپوت ها و هم بروبدینگناگی ها را در یک برنامه ریاضی دقیق پذیرفته است. مدارس متوسطه لیلیپوت ها برنامه درسی قوی از کلاس های ریاضی ارائه می دهند و اکثریت قریب به اتفاق دانش آموزان واجد شرایط برنامه دانشگاه هستند. مدارس متوسطه Brobdingnagians به هیچ وجه کلاس های ریاضی ارائه نمی دهند و در نتیجه دانش آموزان بسیار کمتری واجد شرایط هستند. شانس مساوی به شرطی برآورده می شود که فارغ از اینکه متقاضی لیلیپوت باشد یا بروبدینگناگی، اگر واجد شرایط باشد، به همان اندازه احتمال دارد در برنامه پذیرفته شوند و اگر واجد شرایط نباشند، به همان اندازه احتمال رد شدن دارند. .
فرض کنید 100 لیلیپوتی و 100 برابدینگ ناگی برای دانشگاه گلابدابدریب درخواست دهند و تصمیمات پذیرش به شرح زیر گرفته می شود:
جدول 3. متقاضیان لیلیپوت (90٪ واجد شرایط هستند)
واجد شرایط | فاقد صلاحیت | |
---|---|---|
پذیرفته شد | 45 | 2 |
رد شد | 45 | 8 |
مجموع | 90 | 10 |
درصد پذیرش دانشجویان واجد شرایط: 45/90 = 50% درصد رد دانش آموزان فاقد صلاحیت: 8/10 = 80% درصد کل دانشجویان لیلیپوتی پذیرفته شده: (45+2)/100 = 47% |
جدول 4. متقاضیان Brobdingnagian (10٪ واجد شرایط):
واجد شرایط | فاقد صلاحیت | |
---|---|---|
پذیرفته شد | 5 | 18 |
رد شد | 5 | 72 |
مجموع | 10 | 90 |
درصد پذیرش دانشجویان واجد شرایط: 5/10 = 50٪ درصد رد دانش آموزان فاقد صلاحیت: 72/90 = 80% درصد کل دانشجویان بروبدینگناگیان پذیرفته شده: (5+18)/100 = 23% |
شانس مساوی برآورده می شود زیرا دانش آموزان واجد شرایط لیلیپوتی و بروبدینگناگی هر دو 50 درصد شانس پذیرش دارند و لیلیپوتین و بروبدینگناگیان فاقد صلاحیت 80 درصد شانس رد شدن دارند.
شانس مساوی شده به طور رسمی در "برابری فرصت در یادگیری تحت نظارت" به این صورت تعریف می شود: "پیش بینی Ŷ شانس مساوی را با توجه به ویژگی محافظت شده A و نتیجه Y را برآورده می کند اگر Ŷ و A مستقل باشند، مشروط به Y."
ارزیابی می کند
در درجه اول به عنوان مخفف ارزیابی های LLM استفاده می شود. به طور گسترده تر، evals مخفف هر شکلی از ارزیابی است.
ارزیابی
فرآیند اندازه گیری کیفیت یک مدل یا مقایسه مدل های مختلف با یکدیگر.
برای ارزیابی یک مدل یادگیری ماشینی نظارت شده ، معمولاً آن را بر اساس یک مجموعه اعتبار سنجی و یک مجموعه آزمایش قضاوت می کنید. ارزیابی LLM معمولاً شامل ارزیابیهای کیفی و ایمنی گستردهتری است.
اف
F 1
یک متریک طبقهبندی باینری "تجمعی" که هم بر دقت و هم به یادآوری متکی است. این فرمول است:
برای مشاهده نمونه ها روی نماد کلیک کنید.
متریک انصاف
یک تعریف ریاضی از «انصاف» که قابل اندازه گیری است. برخی از معیارهای عادلانه رایج عبارتند از:
بسیاری از معیارهای انصاف متقابل هستند. ناسازگاری معیارهای انصاف را ببینید.
منفی کاذب (FN)
مثالی که در آن مدل به اشتباه کلاس منفی را پیش بینی می کند. برای مثال، مدل پیشبینی میکند که یک پیام ایمیل خاص هرزنامه نیست (کلاس منفی)، اما آن پیام ایمیل در واقع هرزنامه است .
نرخ منفی کاذب
نسبت مثالهای مثبت واقعی که مدل به اشتباه کلاس منفی را پیشبینی کرده است. فرمول زیر نرخ منفی کاذب را محاسبه می کند:
برای اطلاعات بیشتر ، آستانهها و ماتریس سردرگمی را در دوره آموزشی تصادفی یادگیری ماشین ببینید.
مثبت کاذب (FP)
مثالی که در آن مدل به اشتباه کلاس مثبت را پیش بینی می کند. برای مثال، مدل پیشبینی میکند که یک پیام ایمیل خاص هرزنامه است (کلاس مثبت)، اما آن پیام ایمیل در واقع هرزنامه نیست .
برای اطلاعات بیشتر ، آستانهها و ماتریس سردرگمی را در دوره آموزشی تصادفی یادگیری ماشین ببینید.
نرخ مثبت کاذب (FPR)
نسبت مثالهای منفی واقعی که مدل به اشتباه کلاس مثبت را پیشبینی کرده است. فرمول زیر نرخ مثبت کاذب را محاسبه می کند:
نرخ مثبت کاذب، محور x در منحنی ROC است.
برای اطلاعات بیشتر به طبقه بندی: ROC و AUC در دوره تصادف یادگیری ماشینی مراجعه کنید.
اهمیت ویژگی ها
مترادف برای اهمیت متغیر .
کسری از موفقیت ها
معیاری برای ارزیابی متن تولید شده در مدل ML. کسری از موفقیت ها تعداد خروجی های متن تولید شده "موفق" تقسیم بر تعداد کل خروجی های متن تولید شده است. به عنوان مثال، اگر یک مدل زبان بزرگ 10 بلوک کد تولید کند که پنج بلوک آن موفق بوده است، کسری از موفقیت ها 50 درصد خواهد بود.
اگرچه کسری از موفقیت ها به طور گسترده در سراسر آمار مفید است، اما در ML، این معیار در درجه اول برای اندازه گیری وظایف قابل تأیید مانند تولید کد یا مسائل ریاضی مفید است.
جی
ناخالصی جینی
متریک مشابه آنتروپی . اسپلیترها از مقادیر به دست آمده از ناخالصی جینی یا آنتروپی برای ایجاد شرایط برای درختان تصمیم طبقه بندی استفاده می کنند. کسب اطلاعات از آنتروپی به دست می آید. هیچ اصطلاح معادل پذیرفته شده جهانی برای متریک مشتق شده از ناخالصی جینی وجود ندارد. با این حال، این معیار نامشخص به اندازه کسب اطلاعات مهم است.
به ناخالصی جینی شاخص جینی یا به سادگی جینی نیز گفته می شود.
برای جزئیات ریاضی درباره ناخالصی جینی روی نماد کلیک کنید.
اچ
از دست دادن لولا
خانوادهای از توابع ضرر برای طبقهبندی طراحی شدهاند تا مرز تصمیم را تا حد امکان از هر مثال آموزشی دور کنند، بنابراین حاشیه بین نمونهها و مرز را به حداکثر میرسانند. KSVM ها از افت لولا (یا یک تابع مرتبط مانند تلفات لولای مربع) استفاده می کنند. برای طبقه بندی باینری، تابع تلفات لولا به صورت زیر تعریف می شود:
که در آن y برچسب واقعی است، یا -1 یا +1، و y' خروجی خام مدل طبقهبندیکننده است:
در نتیجه، نمودار افت لولا در مقابل (y * y') به صورت زیر است:
من
ناسازگاری معیارهای انصاف
این ایده که برخی از مفاهیم انصاف با یکدیگر ناسازگار هستند و نمیتوانند به طور همزمان ارضا شوند. در نتیجه، هیچ معیار جهانی واحدی برای تعیین کمیت انصاف وجود ندارد که بتوان برای همه مسائل ML اعمال کرد.
اگرچه این ممکن است دلسرد کننده به نظر برسد، اما ناسازگاری معیارهای انصاف به معنای بی نتیجه بودن تلاش های عادلانه نیست. در عوض، پیشنهاد می کند که انصاف باید به صورت متناوب برای یک مشکل ML معین، با هدف جلوگیری از آسیب های خاص در موارد استفاده از آن تعریف شود.
برای بحث دقیق تر در مورد ناسازگاری معیارهای انصاف، به «در مورد (عدم) امکان انصاف» مراجعه کنید.
انصاف فردی
یک معیار انصاف که بررسی می کند آیا افراد مشابه به طور مشابه طبقه بندی می شوند یا خیر. به عنوان مثال، آکادمی Brobdingnagian ممکن است بخواهد انصاف فردی را با اطمینان از اینکه دو دانش آموز با نمرات یکسان و نمرات آزمون استاندارد شده به طور مساوی احتمال پذیرش را دارند، ارضا کند.
توجه داشته باشید که انصاف فردی کاملاً به نحوه تعریف «شباهت» (در این مورد، نمرات و نمرات آزمون) بستگی دارد و اگر معیار تشابه شما اطلاعات مهمی را از دست بدهد (مانند سختگیری دانشآموزان) میتوانید خطر ایجاد مشکلات جدید انصاف را داشته باشید. برنامه درسی).
برای بحث دقیق تر در مورد انصاف فردی، به «انصاف از طریق آگاهی» مراجعه کنید.
کسب اطلاعات
در جنگلهای تصمیم ، تفاوت بین آنتروپی یک گره و مجموع وزنی (براساس تعداد مثال) از آنتروپی گرههای فرزند آن است. آنتروپی یک گره، آنتروپی نمونه های آن گره است.
به عنوان مثال، مقادیر آنتروپی زیر را در نظر بگیرید:
- آنتروپی گره والد = 0.6
- آنتروپی یک گره فرزند با 16 مثال مرتبط = 0.2
- آنتروپی یک گره فرزند دیگر با 24 مثال مرتبط = 0.1
بنابراین 40 درصد از نمونه ها در یک گره فرزند و 60 درصد در گره فرزند دیگر هستند. بنابراین:
- مجموع آنتروپی وزنی گره های فرزند = (0.4 * 0.2) + (0.6 * 0.1) = 0.14
بنابراین، به دست آوردن اطلاعات این است:
- افزایش اطلاعات = آنتروپی گره والد - مجموع وزنی آنتروپی گره های فرزند
- افزایش اطلاعات = 0.6 - 0.14 = 0.46
بیشتر اسپلیترها به دنبال ایجاد شرایطی هستند که کسب اطلاعات را به حداکثر برسانند.
قرارداد بین ارزیاب
اندازه گیری تعداد دفعات توافق ارزیابی کنندگان انسانی هنگام انجام یک کار. اگر ارزیابها موافق نباشند، دستورالعملهای کار ممکن است نیاز به بهبود داشته باشند. گاهی اوقات توافق بین حاشیهنویس یا قابلیت اطمینان بین ارزیابیکننده نیز نامیده میشود. همچنین کاپا کوهن را ببینید که یکی از محبوبترین اندازهگیریهای توافق بین ارزیابها است.
برای اطلاعات بیشتر به دادههای دستهبندی: مسائل رایج در دوره تصادف یادگیری ماشینی مراجعه کنید.
L
L 1 باخت
یک تابع ضرر که قدر مطلق تفاوت بین مقادیر واقعی برچسب و مقادیری را که یک مدل پیش بینی می کند محاسبه می کند. برای مثال، در اینجا محاسبه ضرر L 1 برای یک دسته از پنج مثال آمده است:
ارزش واقعی مثال | مقدار پیش بینی شده مدل | مقدار مطلق دلتا |
---|---|---|
7 | 6 | 1 |
5 | 4 | 1 |
8 | 11 | 3 |
4 | 6 | 2 |
9 | 8 | 1 |
8 = L 1 ضرر |
از دست دادن L 1 نسبت به L 2 حساسیت کمتری نسبت به موارد پرت دارد.
میانگین خطای مطلق میانگین تلفات L 1 در هر مثال است.
برای دیدن ریاضیات رسمی روی نماد کلیک کنید.
برای اطلاعات بیشتر به رگرسیون خطی: فقدان در دوره تصادف یادگیری ماشین مراجعه کنید.
L 2 باخت
یک تابع ضرر که مجذور تفاوت بین مقادیر واقعی برچسب و مقادیری را که یک مدل پیش بینی می کند محاسبه می کند. برای مثال، در اینجا محاسبه تلفات L 2 برای یک دسته از پنج مثال آمده است:
ارزش واقعی مثال | مقدار پیش بینی شده مدل | مربع دلتا |
---|---|---|
7 | 6 | 1 |
5 | 4 | 1 |
8 | 11 | 9 |
4 | 6 | 4 |
9 | 8 | 1 |
16 = L 2 ضرر |
با توجه به تربیع، از دست دادن L 2 تاثیر نقاط پرت را تقویت می کند. یعنی ضرر L 2 نسبت به ضرر L 1 به پیش بینی های بد واکنش قوی تری نشان می دهد. به عنوان مثال، ضرر L 1 برای دسته قبلی به جای 16، 8 خواهد بود. توجه داشته باشید که یک عدد پرت تنها 9 مورد از 16 مورد را به خود اختصاص می دهد.
مدلهای رگرسیون معمولاً از تلفات L 2 به عنوان تابع ضرر استفاده میکنند.
میانگین مربعات خطا میانگین تلفات L 2 در هر مثال است. ضرر مربعی نام دیگری برای ضرر L 2 است.
برای دیدن ریاضیات رسمی روی نماد کلیک کنید.
برای اطلاعات بیشتر به رگرسیون لجستیک: از دست دادن و منظمسازی در دوره تصادف یادگیری ماشین مراجعه کنید.
ارزیابی های LLM (ارزیابی)
مجموعهای از معیارها و معیارها برای ارزیابی عملکرد مدلهای زبان بزرگ (LLM). در سطح بالا، ارزیابی های LLM:
- به محققان کمک کنید مناطقی را که LLM نیاز به بهبود دارند شناسایی کنند.
- در مقایسه LLM های مختلف و شناسایی بهترین LLM برای یک کار خاص مفید هستند.
- کمک کنید تا مطمئن شوید که LLM ها برای استفاده ایمن و اخلاقی هستند.
برای اطلاعات بیشتر، مدلهای زبان بزرگ (LLM) را در دوره آموزشی تصادفی یادگیری ماشین ببینید.
از دست دادن
در طول آموزش یک مدل نظارت شده ، اندازه گیری از فاصله پیش بینی یک مدل با برچسب آن.
یک تابع ضرر زیان را محاسبه می کند.
برای اطلاعات بیشتر به رگرسیون خطی: فقدان در دوره تصادف یادگیری ماشین مراجعه کنید.
عملکرد از دست دادن
در حین آموزش یا آزمایش، یک تابع ریاضی است که زیان را در مجموعه ای از مثال ها محاسبه می کند. یک تابع ضرر برای مدل هایی که پیش بینی های خوبی انجام می دهند، ضرر کمتری نسبت به مدل هایی که پیش بینی های بد انجام می دهند، برمی گرداند.
هدف از آموزش معمولاً به حداقل رساندن ضرری است که یک تابع ضرر باز می گرداند.
بسیاری از انواع مختلف توابع از دست دادن وجود دارد. تابع ضرر مناسب را برای نوع مدلی که می سازید انتخاب کنید. به عنوان مثال:
- از دست دادن L 2 (یا میانگین مربعات خطا ) تابع ضرر برای رگرسیون خطی است.
- Log Loss تابع ضرر برای رگرسیون لجستیک است.
م
میانگین خطای مطلق (MAE)
میانگین تلفات در هر مثال زمانی که از دست دادن L 1 استفاده می شود. میانگین خطای مطلق را به صورت زیر محاسبه کنید:
- ضرر L 1 را برای یک دسته محاسبه کنید.
- ضرر L 1 را بر تعداد نمونه های دسته تقسیم کنید.
برای دیدن ریاضیات رسمی روی نماد کلیک کنید.
برای مثال، محاسبه تلفات L 1 را در دسته ای از پنج مثال زیر در نظر بگیرید:
ارزش واقعی مثال | مقدار پیش بینی شده مدل | ضرر (تفاوت بین واقعی و پیش بینی شده) |
---|---|---|
7 | 6 | 1 |
5 | 4 | 1 |
8 | 11 | 3 |
4 | 6 | 2 |
9 | 8 | 1 |
8 = L 1 ضرر |
بنابراین، ضرر L 1 8 و تعداد مثال ها 5 است. بنابراین، میانگین خطای مطلق برابر است با:
Mean Absolute Error = L1 loss / Number of Examples Mean Absolute Error = 8/5 = 1.6
کنتراست میانگین خطای مطلق با میانگین مربعات خطا و ریشه میانگین خطای مربع .
میانگین دقت متوسط در k (mAP@k)
میانگین آماری تمام میانگین دقت در نمره های k در یک مجموعه داده اعتبار سنجی. یکی از کاربردهای میانگین دقت در k قضاوت در مورد کیفیت توصیه های تولید شده توسط یک سیستم توصیه می باشد.
اگرچه عبارت "میانگین متوسط" اضافی به نظر می رسد، نام متریک مناسب است. از این گذشته، این متریک میانگین دقت میانگین چندگانه را در مقادیر k پیدا می کند.
برای مشاهده نمونه روی نماد کلیک کنید.
میانگین مربعات خطا (MSE)
میانگین تلفات در هر مثال زمانی که از اتلاف L 2 استفاده می شود. میانگین مربعات خطا را به صورت زیر محاسبه کنید:
- تلفات L 2 را برای یک دسته محاسبه کنید.
- ضرر L 2 را بر تعداد نمونه های دسته تقسیم کنید.
برای دیدن ریاضیات رسمی روی نماد کلیک کنید.
به عنوان مثال، ضرر را در دسته پنج مثال زیر در نظر بگیرید:
ارزش واقعی | پیش بینی مدل | از دست دادن | باخت مربعی |
---|---|---|---|
7 | 6 | 1 | 1 |
5 | 4 | 1 | 1 |
8 | 11 | 3 | 9 |
4 | 6 | 2 | 4 |
9 | 8 | 1 | 1 |
16 = L 2 ضرر |
بنابراین، میانگین مربعات خطای زیر است:
Mean Squared Error = L2 loss / Number of Examples Mean Squared Error = 16/5 = 3.2
میانگین مربعات خطا یک بهینه ساز آموزشی محبوب است، به ویژه برای رگرسیون خطی .
تقابل میانگین مربعات خطا با میانگین خطای مطلق و ریشه میانگین مربعات خطا .
TensorFlow Playground از میانگین مربعات خطا برای محاسبه مقادیر تلفات استفاده می کند.
روی نماد کلیک کنید تا جزئیات بیشتری در مورد موارد پرت ببینید.
متریک
آماری که شما به آن اهمیت می دهید.
هدف معیاری است که یک سیستم یادگیری ماشینی سعی در بهینه سازی آن دارد.
Metrics API (tf.metrics)
API TensorFlow برای ارزیابی مدل ها. برای مثال، tf.metrics.accuracy
تعیین میکند که پیشبینیهای یک مدل چقدر با برچسبها مطابقت دارند.
حداقل ضرر
یک تابع ضرر برای شبکه های متخاصم مولد ، بر اساس آنتروپی متقابل بین توزیع داده های تولید شده و داده های واقعی.
حداقل تلفات در مقاله اول برای توصیف شبکه های متخاصم مولد استفاده شده است.
برای اطلاعات بیشتر به توابع ضرر در دوره شبکه های متخاصم مولد مراجعه کنید.
ظرفیت مدل
پیچیدگی مسائلی که یک مدل می تواند یاد بگیرد. هر چه مشکلاتی که یک مدل می تواند بیاموزد پیچیده تر باشد، ظرفیت مدل بالاتر می رود. ظرفیت یک مدل معمولاً با تعداد پارامترهای مدل افزایش می یابد. برای تعریف رسمی ظرفیت طبقهبندیکننده، بعد VC را ببینید.
ن
کلاس منفی
در طبقه بندی باینری ، یک کلاس مثبت و دیگری منفی نامیده می شود. کلاس مثبت چیز یا رویدادی است که مدل برای آن آزمایش می کند و کلاس منفی احتمال دیگر است. به عنوان مثال:
- کلاس منفی در یک آزمایش پزشکی ممکن است "تومور نباشد".
- کلاس منفی در یک طبقهبندی ایمیل ممکن است "نه هرزنامه" باشد.
در تضاد با کلاس مثبت .
O
هدف
معیاری که الگوریتم شما سعی در بهینه سازی آن دارد.
تابع هدف
فرمول یا متریک ریاضی که هدف یک مدل بهینه سازی است. به عنوان مثال، تابع هدف برای رگرسیون خطی معمولاً میانگین مربعات تلفات است. بنابراین، هنگام آموزش یک مدل رگرسیون خطی، هدف آموزش به حداقل رساندن میانگین مربعات تلفات است.
در برخی موارد، هدف به حداکثر رساندن تابع هدف است. برای مثال، اگر تابع هدف دقت باشد، هدف به حداکثر رساندن دقت است.
از دست دادن را نیز ببینید.
پ
عبور در k (pass@k)
معیاری برای تعیین کیفیت کد (مثلاً پایتون) که یک مدل زبان بزرگ تولید می کند. به طور خاص تر، پاس در k به شما این احتمال را می دهد که حداقل یک بلوک کد تولید شده از K بلوک کد تولید شده، تمام تست های واحد خود را با موفقیت پشت سر بگذارد.
مدل های زبان بزرگ اغلب برای تولید کد خوب برای مشکلات برنامه نویسی پیچیده تلاش می کنند. مهندسان نرم افزار با تحریک مدل زبان بزرگ برای ایجاد راه حل های متعدد ( k ) برای یک مسئله، با این مشکل سازگار می شوند. سپس مهندسان نرم افزار هر یک از راه حل ها را در برابر تست های واحد آزمایش می کنند. محاسبه گذر در k به نتیجه آزمایشات واحد بستگی دارد:
- اگر یک یا چند تا از آن راه حل ها تست واحد را پشت سر بگذارند، LLM از چالش تولید کد عبور می کند .
- اگر هیچ یک از راه حل ها تست واحد را قبول نکرد، LLM در این چالش تولید کد شکست می خورد .
فرمول عبور در k به شرح زیر است:
pass at k=total number of passestotal number of challenges
به طور کلی، مقادیر بالاتر k پاس بالاتری را در K امتیاز ایجاد می کند. با این حال، مقادیر بالاتر k نیاز به مدل زبان بزرگتر و منابع تست واحد دارد.
برای مثال روی نماد کلیک کنید.
عملکرد
اصطلاح پربار با معانی زیر:
- معنای استاندارد در مهندسی نرم افزار. یعنی: این نرم افزار چقدر سریع (یا کارآمد) اجرا می شود؟
- معنی در یادگیری ماشین در اینجا، عملکرد به سؤال زیر پاسخ می دهد: این مدل چقدر درست است؟ یعنی پیش بینی های مدل چقدر خوب است؟
اهمیت متغیر جایگشت
نوعی از اهمیت متغیر که افزایش خطای پیشبینی یک مدل را پس از تغییر مقادیر ویژگی ارزیابی میکند. اهمیت متغیر جایگشت یک متریک مستقل از مدل است.
گیجی
یکی از معیارهایی است که نشان می دهد یک مدل چقدر وظیفه خود را به خوبی انجام می دهد. به عنوان مثال، فرض کنید وظیفه شما خواندن چند حرف اول کلمه ای است که کاربر روی صفحه کلید گوشی تایپ می کند و لیستی از کلمات تکمیل شده را ارائه می دهد. Perplexity، P، برای این کار تقریباً تعداد حدس هایی است که باید ارائه دهید تا لیست شما حاوی کلمه واقعی باشد که کاربر سعی می کند تایپ کند.
گیجی به صورت زیر به آنتروپی متقابل مربوط می شود:
کلاس مثبت
کلاسی که برای آن تست می گیرید.
برای مثال، طبقه مثبت در مدل سرطان ممکن است "تومور" باشد. کلاس مثبت در یک طبقه بندی ایمیل ممکن است "هرزنامه" باشد.
تقابل با کلاس منفی
برای یادداشت های اضافی روی نماد کلیک کنید.
PR AUC (منطقه زیر منحنی PR)
مساحت زیر منحنی فراخوان دقیق درون یابی شده که با رسم نقاط (یادآوری، دقت) برای مقادیر مختلف آستانه طبقه بندی به دست می آید.
دقت
معیاری برای مدل های طبقه بندی که به سوال زیر پاسخ می دهد:
وقتی مدل کلاس مثبت را پیش بینی کرد ، چه درصد از پیش بینی ها صحیح بوده است؟
این فرمول است:
کجا:
- مثبت مثبت به معنای مدل به درستی کلاس مثبت را پیش بینی کرده است.
- مثبت کاذب به معنای مدل به اشتباه کلاس مثبت را پیش بینی کرده است.
به عنوان مثال ، فرض کنید یک مدل 200 پیش بینی مثبت ایجاد کرده است. از این 200 پیش بینی مثبت:
- 150 مثبت مثبت بودند.
- 50 مثبت کاذب بودند.
در این مورد:
برای کسب اطلاعات بیشتر به طبقه بندی: دقت ، فراخوان ، دقت و معیارهای مرتبط در دوره تصادف یادگیری ماشین مراجعه کنید.
دقت در K (Precision@k)
متریک برای ارزیابی لیست موارد رتبه بندی شده (سفارش). دقت در K کسری از اولین موارد K را در آن لیست که "مرتبط" هستند مشخص می کند. یعنی:
precision at k=relevant items in first k items of the listk
مقدار k باید کمتر یا مساوی با طول لیست برگشتی باشد. توجه داشته باشید که طول لیست برگشتی بخشی از محاسبه نیست.
ارتباط اغلب ذهنی است. حتی ارزیاب های انسانی متخصص نیز اغلب با این موارد مخالف هستند.
مقایسه کنید با:
برای دیدن یک مثال روی نماد کلیک کنید.
منحنی ضبط دقیق
منحنی دقت در مقابل فراخوان در آستانه های مختلف طبقه بندی .
تعصب پیش بینی
مقداری که نشان می دهد میانگین پیش بینی ها از میانگین برچسب های موجود در مجموعه داده فاصله دارند.
با اصطلاح تعصب در مدل های یادگیری ماشین یا با تعصب در اخلاق و انصاف اشتباه گرفته نشود.
برابری پیش بینی کننده
یک متریک انصاف که بررسی می کند که آیا برای یک طبقه بندی کننده معین ، نرخ دقیق برای زیر گروه های مورد نظر معادل است.
به عنوان مثال ، الگویی که پذیرش کالج را پیش بینی می کند ، اگر نرخ دقیق آن برای لیلیپوتیایی ها و BrobdingNagians یکسان باشد ، برابری پیش بینی برای ملیت را برآورده می کند.
برابری پیش بینی مدتی است که برابری نرخ پیش بینی نیز نامیده می شود.
برای بحث بیشتر در مورد برابری پیش بینی ، به "تعاریف انصاف توضیح داده شده" (بخش 3.2.1) مراجعه کنید.
برابری نرخ پیش بینی
نام دیگری برای برابری پیش بینی کننده .
تابع چگالی احتمال
تابعی که فرکانس نمونه های داده را دقیقاً یک مقدار خاص مشخص می کند. هنگامی که مقادیر مجموعه داده ها به صورت مداوم شماره شناور هستند ، مسابقات دقیق به ندرت اتفاق می افتد. با این حال ، ادغام یک تابع چگالی احتمال از مقدار x
به مقدار y
، فرکانس مورد انتظار نمونه های داده بین x
و y
را به همراه دارد.
به عنوان مثال ، یک توزیع عادی با میانگین 200 و انحراف استاندارد 30 را در نظر بگیرید. برای تعیین فرکانس مورد انتظار نمونه های داده های موجود در محدوده 211.4 تا 218.7 ، می توانید عملکرد چگالی احتمال را برای یک توزیع عادی از 211.4 تا 218.7 ادغام کنید. .
آر
به یاد بیاور
متریک برای مدل های طبقه بندی که به سؤال زیر پاسخ می دهد:
وقتی حقیقت زمین طبقه مثبت بود ، مدل پیش بینی ها به درستی به عنوان کلاس مثبت شناخته شده است؟
این فرمول است:
Recall=true positivestrue positives+false negatives
کجا:
- مثبت مثبت به معنای مدل به درستی کلاس مثبت را پیش بینی کرده است.
- منفی کاذب به این معنی است که مدل به اشتباه کلاس منفی را پیش بینی می کند.
به عنوان مثال ، فرض کنید مدل شما 200 پیش بینی را در مثالهایی انجام داده است که حقیقت زمین کلاس مثبت است. از این 200 پیش بینی:
- 180 مثبت مثبت بودند.
- 20 منفی دروغین بودند.
در این مورد:
Recall=180180+20=0.9
برای یادداشت های مربوط به مجموعه داده های کلاس تعادل ، روی نماد کلیک کنید.
برای کسب اطلاعات بیشتر به طبقه بندی: دقت ، فراخوان ، دقت و معیارهای مرتبط مراجعه کنید.
به یاد بیاورید در K (به یاد بیاورید@k)
متریک برای ارزیابی سیستم هایی که لیستی از موارد رتبه بندی شده (سفارش داده شده) را تولید می کنند. به یاد بیاورید در K کسری از موارد مربوطه را در اولین موارد K در آن لیست از تعداد کل موارد مربوطه برگشتی مشخص می کند.
recall at k=relevant items in first k items of the listtotal number of relevant items in the list
تضاد با دقت در k .
برای دیدن یک مثال روی نماد کلیک کنید.
منحنی ROC (مشخصه عملیاتی گیرنده)
نمودار از نرخ مثبت واقعی در مقابل نرخ مثبت کاذب برای آستانه طبقه بندی مختلف در طبقه بندی باینری.
شکل یک منحنی ROC توانایی یک مدل طبقه بندی باینری را برای جدا کردن کلاس های مثبت از کلاس های منفی نشان می دهد. به عنوان مثال فرض کنید که یک مدل طبقه بندی باینری کاملاً تمام کلاسهای منفی را از تمام کلاسهای مثبت جدا می کند:
منحنی ROC برای مدل قبلی به شرح زیر است:
در مقابل ، تصویر زیر مقادیر رگرسیون لجستیک خام را برای یک مدل وحشتناک که نمی تواند کلاس های منفی را از کلاس های مثبت جدا کند ، نمودار می کند:
منحنی ROC برای این مدل به شرح زیر است:
در همین حال ، در دنیای واقعی ، بیشتر مدلهای طبقه بندی باینری کلاسهای مثبت و منفی را تا حدی جدا می کنند ، اما معمولاً کاملاً مناسب نیستند. بنابراین ، یک منحنی ROC معمولی در جایی بین دو افراط قرار می گیرد:
نقطه در منحنی ROC نزدیک به (0.0،1.0) از لحاظ نظری آستانه طبقه بندی ایده آل را مشخص می کند. با این حال ، چندین موضوع دیگر در دنیای واقعی بر انتخاب آستانه طبقه بندی ایده آل تأثیر می گذارد. به عنوان مثال ، شاید منفی های دروغین باعث درد بسیار بیشتری نسبت به مثبت کاذب شوند.
یک متریک عددی به نام AUC منحنی ROC را به یک مقدار نقطه شناور واحد خلاصه می کند.
ریشه میانگین مربعات خطا (RMSE)
ریشه مربع خطای میانگین مربع .
ROUGE (مطالعه فراخوان یادآوری گرا برای ارزیابی Gisting)
خانواده ای از معیارهایی که خلاصه های خودکار و مدل های ترجمه ماشین را ارزیابی می کنند. معیارهای Rouge درجه ای را تعیین می کنند که یک متن مرجع با متن تولید شده از مدل ML همپوشانی دارد. هر یک از اعضای خانواده روژ به روشی متفاوت همپوشانی دارند. نمرات بالاتر ROUGE شباهت بیشتری بین متن مرجع و متن تولید شده نسبت به نمرات Rouge پایین تر نشان می دهد.
هر یک از اعضای خانواده Rouge به طور معمول معیارهای زیر را تولید می کنند:
- دقت
- به یاد بیاورید
- F 1
برای جزئیات و مثال ، به:
ROUGE-L
یکی از اعضای خانواده Rouge بر طول طولانی ترین عواقب مشترک در متن مرجع و متن تولید شده متمرکز شده است. فرمول های زیر فراخوان و دقت را برای Rouge-L محاسبه می کنند:
سپس می توانید از F 1 برای بالا بردن Rouge-L فراخوان و دقت Rouge-L در یک متریک واحد استفاده کنید:
برای محاسبه مثال Rouge-L روی نماد کلیک کنید.
Rouge-L هر خط جدید را در متن مرجع و متن تولید شده نادیده می گیرد ، بنابراین طولانی ترین دنباله مشترک می تواند از چندین جمله عبور کند. هنگامی که متن مرجع و متن تولید شده شامل چندین جمله است ، تنوع Rouge-L به نام Rouge-lsum به طور کلی یک معیار بهتر است. Rouge-LSUM طولانی ترین دنبال کننده مشترک برای هر جمله در یک متن را تعیین می کند و سپس میانگین آن طولانی ترین عواقب مشترک را محاسبه می کند.
برای مثال محاسبه Rouge-lsum روی نماد کلیک کنید.
ROUGE-N
مجموعه ای از معیارهای موجود در خانواده Rouge که N-Grams مشترک با اندازه خاص را در متن مرجع و متن تولید شده مقایسه می کند. به عنوان مثال:
- Rouge-1 تعداد نشانه های مشترک را در متن مرجع و متن تولید شده اندازه گیری می کند.
- Rouge-2 تعداد Bigrams مشترک (2 گرم) را در متن مرجع و متن تولید شده اندازه گیری می کند.
- Rouge-3 تعداد TRIGRAMS مشترک (3 گرم) را در متن مرجع و متن تولید شده اندازه گیری می کند.
می توانید از فرمول های زیر برای محاسبه فراخوان Rouge-N و دقت Rouge-N برای هر یک از اعضای خانواده Rouge-N استفاده کنید:
سپس می توانید از F 1 برای بالا بردن Rouge-N فراخوان و دقت Rouge-N در یک متریک واحد استفاده کنید:
برای مثال روی نماد کلیک کنید.
ROUGE-S
یک شکل بخشنده از Rouge-N که تطبیق Skip-Gram را امکان پذیر می کند. یعنی ، Rouge-N فقط N-Grams را که دقیقاً مطابقت دارند ، شمارش می کند ، اما Rouge-S همچنین N-Grams را که با یک یا چند کلمه از هم جدا شده اند ، شمارش می کند. برای مثال موارد زیر را در نظر بگیرید:
- متن مرجع : ابرهای سفید
- متن تولید شده : ابرهای سفید کننده سفید
هنگام محاسبه Rouge-N ، ابرهای سفید 2 گرم ، با ابرهای رنگ سفید مطابقت ندارند. با این حال ، هنگام محاسبه Rouge-S ، ابرهای سفید با ابرهای رنگ سفید مطابقت دارند.
R-squared
یک متریک رگرسیون که نشان می دهد میزان تغییر در یک برچسب به دلیل یک ویژگی فردی یا یک مجموعه ویژگی است. R-Squared یک مقدار بین 0 تا 1 است که می توانید به شرح زیر تفسیر کنید:
- R-Squared از 0 به این معنی است که هیچ یک از تغییرات برچسب به دلیل مجموعه ویژگی نیست.
- مربع R از 1 به این معنی است که همه تغییرات برچسب به دلیل مجموعه ویژگی است.
- مربع R بین 0 تا 1 نشان می دهد که میزان تغییر برچسب از یک ویژگی خاص یا مجموعه ویژگی ها قابل پیش بینی است. به عنوان مثال ، مربع R از 0.10 به این معنی است که 10 درصد از واریانس در برچسب به دلیل مجموعه ویژگی است ، یک R-Squared 0.20 به معنای این است که 20 درصد به دلیل تنظیم ویژگی و غیره است.
R-Squared مربع ضریب همبستگی پیرسون بین مقادیری است که یک مدل پیش بینی کرده و حقیقت زمینی است .
اس
به ثمر رساندن
بخشی از یک سیستم توصیه ای که برای هر مورد تولید شده توسط مرحله تولید نامزد ، ارزش یا رتبه بندی را ارائه می دهد.
اندازه گیری شباهت
در الگوریتم های خوشه بندی ، متریک برای تعیین چگونگی یکسان (چقدر مشابه) هر دو نمونه استفاده می شود.
پراکندگی
تعداد عناصر تعیین شده روی صفر (یا تهی) در یک بردار یا ماتریس تقسیم بر تعداد کل ورودی های آن بردار یا ماتریس. به عنوان مثال ، یک ماتریس 100 عنصر را در نظر بگیرید که در آن 98 سلول حاوی صفر هستند. محاسبه کمبود به شرح زیر است:
مشخصات مشخصات به کمبود یک بردار ویژگی اشاره دارد. پراکندگی مدل به کمبود وزن مدل اشاره دارد.
از دست دادن لولا مربع
مربع از دست دادن لولا . از دست دادن لولای مربع مجازات های سخت تر از دست دادن لولای معمولی را مجازات می کند.
از دست دادن مربع
مترادف برای از دست دادن L 2 .
تی
از دست دادن
یک متریک که از دست دادن یک مدل در برابر مجموعه آزمون است. هنگام ساختن یک مدل ، معمولاً سعی می کنید از دست دادن آزمایش به حداقل برسید. دلیل این امر این است که از دست دادن کم تست یک سیگنال با کیفیت قوی تر از ضرر کم آموزش یا از دست دادن اعتبار سنجی کم است.
فاصله زیادی بین از دست دادن آزمون و از دست دادن آموزش یا از دست دادن اعتبار سنجی گاهی اوقات نشان می دهد که شما نیاز به افزایش نرخ منظم دارید.
دقت
درصد زمانهایی که "برچسب هدف" در اولین موقعیت K لیست های تولید شده ظاهر می شود. لیست ها می توانند توصیه های شخصی یا لیستی از موارد سفارش داده شده توسط SoftMax باشند.
دقت بالا K نیز به عنوان دقت در K شناخته می شود.
برای مثال روی نماد کلیک کنید.
سمیت
میزان سوءاستفاده ، تهدیدآمیز یا توهین آمیز است. بسیاری از مدل های یادگیری ماشین می توانند سمیت را شناسایی و اندازه گیری کنند. بسیاری از این مدل ها سمیت را در طول پارامترهای متعدد ، مانند سطح زبان سوءاستفاده و سطح زبان تهدیدآمیز مشخص می کنند.
از دست دادن آموزش
یک متریک نشان دهنده ضرر یک مدل در طی یک تکرار آموزش خاص است. به عنوان مثال ، فرض کنید عملکرد از دست دادن به معنای خطای مربع است. شاید از دست دادن آموزش (میانگین خطای مربع) برای تکرار 10 2.2 باشد و از دست دادن تمرین برای 100 تکرار 1.9 است.
یک منحنی ضرر از دست دادن آموزش در مقابل تعداد تکرارها را ترسیم می کند. منحنی ضرر نکات زیر را در مورد آموزش ارائه می دهد:
- یک شیب رو به پایین دلالت بر این دارد که مدل در حال بهبود است.
- یک شیب رو به بالا دلالت بر این دارد که مدل بدتر می شود.
- یک شیب مسطح دلالت بر این دارد که این مدل به همگرایی رسیده است.
به عنوان مثال ، منحنی از دست دادن تا حدودی ایده آل نشان می دهد:
- شیب شیب دار به سمت پایین در طول تکرار اولیه ، که دلالت بر بهبود سریع مدل دارد.
- یک شیب به تدریج مسطح (اما هنوز هم پایین) تا پایان آموزش ، که حاکی از بهبود مدل با سرعت کمی کندتر و سپس در طول تکرار اولیه است.
- شیب مسطح به سمت پایان آموزش ، که نشان دهنده همگرایی است.
اگرچه از دست دادن آموزش مهم است ، اما به تعمیم نیز مراجعه کنید.
منفی واقعی (TN)
نمونه ای که در آن مدل به درستی کلاس منفی را پیش بینی می کند. به عنوان مثال ، این مدل نشان می دهد که یک پیام ایمیل خاص هرزنامه نیست و پیام ایمیل واقعاً هرزنامه نیست .
مثبت واقعی (TP)
نمونه ای که در آن مدل به درستی کلاس مثبت را پیش بینی می کند. به عنوان مثال ، این مدل نشان می دهد که یک پیام ایمیل خاص هرزنامه است و پیام ایمیل واقعاً هرزنامه است.
نرخ مثبت واقعی (TPR)
مترادف برای فراخوان . یعنی:
نرخ مثبت واقعی محور y در یک منحنی ROC است.
V
از دست دادن اعتبار سنجی
یک متریک که از دست دادن یک مدل در اعتبار سنجی در طول تکرار خاص آموزش است.
همچنین به منحنی تعمیم مراجعه کنید.
اهمیت های متغیر
مجموعه ای از امتیازات که اهمیت نسبی هر ویژگی را برای مدل نشان می دهد.
به عنوان مثال، درخت تصمیم گیری را در نظر بگیرید که قیمت خانه را تخمین می زند. فرض کنید این درخت تصمیم از سه ویژگی استفاده می کند: اندازه، سن و سبک. اگر مجموعه ای از اهمیت های متغیر برای سه ویژگی به صورت {size=5.8، age=2.5، style=4.7} محاسبه شود، آنگاه اندازه برای درخت تصمیم مهم تر از سن یا سبک است.
معیارهای اهمیت متغیر متفاوتی وجود دارد که می تواند کارشناسان ML را در مورد جنبه های مختلف مدل ها آگاه کند.
دبلیو
از دست دادن Wasserstein
یکی از توابع ضرر که معمولاً در شبکه های مخالف تولیدی مورد استفاده قرار می گیرد ، بر اساس فاصله حرکت زمین بین توزیع داده های تولید شده و داده های واقعی.