Q:
Chính xác là gì và nhớ lại trong học máy là gì?
A:Có một số cách để giải thích và xác định độ chính xác và nhớ lại chính xác trong học máy. Hai nguyên tắc này rất quan trọng về mặt toán học trong các hệ thống khái quát và quan trọng về mặt khái niệm, theo những cách chính liên quan đến nỗ lực của AI để bắt chước suy nghĩ của con người. Rốt cuộc, người ta cũng sử dụng độ chính xác của Hồi giáo và nhớ lại việc đánh giá thần kinh.
Một cách để suy nghĩ về độ chính xác và thu hồi trong CNTT là xác định độ chính xác là sự kết hợp của các mục có liên quan và truy xuất các mục theo số lượng kết quả được truy xuất, trong khi thu hồi biểu thị sự kết hợp của các mục có liên quan và truy xuất các mục trên tổng số kết quả có liên quan.
Một cách khác để giải thích là độ chính xác đo phần xác định dương trong tập phân loại thực sự chính xác, trong khi thu hồi thể hiện tỷ lệ dương thực tế được xác định chính xác.
Hai số liệu này thường ảnh hưởng lẫn nhau trong một quá trình tương tác. Các chuyên gia sử dụng một hệ thống gắn thẻ dương tính thật, dương tính giả, âm tính thật và âm tính giả trong ma trận nhầm lẫn để hiển thị độ chính xác và thu hồi. Thay đổi ngưỡng phân loại cũng có thể thay đổi đầu ra về độ chính xác và thu hồi.
Một cách khác để nói đó là việc thu hồi đo số lượng kết quả chính xác, chia cho số kết quả nên được trả về, trong khi độ chính xác đo số lượng kết quả chính xác chia cho số lượng kết quả được trả về. Định nghĩa này rất hữu ích, bởi vì bạn có thể giải thích việc thu hồi là số lượng kết quả mà một hệ thống có thể ghi nhớ, trong khi bạn có thể đưa ra độ chính xác là hiệu quả hoặc thành công mục tiêu của việc xác định các kết quả đó. Ở đây chúng ta lấy lại ý nghĩa của độ chính xác và thu hồi theo nghĩa chung - khả năng ghi nhớ vật phẩm, so với khả năng nhớ chúng chính xác.
Phân tích kỹ thuật về dương tính thật, dương tính giả, âm tính thật và âm tính giả là cực kỳ hữu ích trong công nghệ và đánh giá máy học, để cho thấy cơ chế phân loại và công nghệ máy học hoạt động như thế nào. Bằng cách đo độ chính xác và thu hồi theo cách kỹ thuật, các chuyên gia không chỉ hiển thị kết quả chạy chương trình máy học mà còn có thể bắt đầu giải thích cách chương trình đó tạo ra kết quả của nó - bằng cách thuật toán nào mà chương trình đưa ra để đánh giá các tập dữ liệu trong cách đặc biệt.
Với ý nghĩ đó, nhiều chuyên gia học máy có thể nói về độ chính xác và thu hồi trong phân tích kết quả trả về từ các bộ kiểm tra, bộ huấn luyện hoặc bộ dữ liệu hiệu suất tiếp theo. Sử dụng một mảng hoặc ma trận sẽ giúp sắp xếp thông tin này và hiển thị rõ ràng hơn cách thức chương trình hoạt động và kết quả mà nó mang lại cho bảng.
