Q:
Kas yra „tikslumas ir prisiminimas“ mokantis mašinų?
A:Yra keletas būdų, kaip paaiškinti ir apibrėžti „tikslumą ir prisiminimą“ mokantis mašinų. Šie du principai yra matematiškai svarbūs generatyvinėse sistemose ir konceptualiai svarbūs pagrindiniais būdais, apimančiais AI pastangas imituoti žmogaus mintis. Galų gale, žmonės taip pat naudoja „tikslumą ir prisiminimą“ atlikdami neurologinį vertinimą.
Vienas iš būdų galvoti apie tikslumą ir priminimą IT yra apibrėžti tikslumą kaip atitinkamų elementų ir paimtų elementų sąryšį su gautų rezultatų skaičiumi, tuo tarpu atšaukimas reiškia reikšmingų elementų ir gautų elementų vienetą per bendrą atitinkamų rezultatų sumą.
Kitas būdas tai paaiškinti yra tai, kad tikslumas išmatuoja teigiamų identifikacijų dalį klasifikavimo rinkinyje, kurios iš tikrųjų buvo teisingos, o prisiminimas parodo teisingai nustatytų faktinių teigiamų dalių dalį.
Šios dvi metrikos dažnai daro įtaką viena kitai interaktyviame procese. Norėdami parodyti tikslumą ir priminti, ekspertai naudoja sistemą, pagal kurią supainiojimo matricoje pažymimi tikri, melagingi teigiami, tikri ir klaidingi negatyvai. Pakeitus klasifikavimo slenkstį, taip pat gali būti keičiama išvestis tikslumo ir priminimo prasme.
Kitas būdas pasakyti yra tas, kad atšaukimas matuoja teisingų rezultatų skaičių, padalytą iš rezultatų, kurie turėjo būti grąžinti, skaičiaus, o tikslumas matuoja teisingų rezultatų skaičių, padalytą iš visų rezultatų, kurie buvo grąžinti. Šis apibrėžimas yra naudingas, nes jūs galite paaiškinti priminimą kaip rezultatų, kuriuos sistema gali „atsiminti“, skaičių, tuo tarpu galite nurodyti tikslumą kaip veiksmingumą ar tikslinę sėkmę identifikuojant tuos rezultatus. Čia grįžtame prie to, ką tikslumas ir prisiminimas reiškia bendrąja prasme - galimybė atsiminti daiktus, palyginti su galimybe juos teisingai atsiminti.
Techninė tikrųjų teigiamų, klaidingų teigiamų, tikrų ir klaidingų neigiamų aspektų analizė yra labai naudinga mašininio mokymosi technologijose ir vertinant, norint parodyti, kaip veikia klasifikavimo mechanizmai ir mašinų mokymosi technologijos. Išmatuodami tikslumą ir techninį priminimą, ekspertai gali ne tik parodyti mašininio mokymosi programos vykdymo rezultatus, bet taip pat gali pradėti aiškinti, kaip ta programa duoda rezultatus - kokiu algoritminiu darbu programa ateina, kad įvertintų duomenų rinkinius tam tikru būdu.
Turint tai omenyje, daugelis mašininio mokymosi specialistų gali kalbėti apie tikslumą ir prisiminti analizuodami testų, treniruočių ar vėlesnių duomenų rinkinių grąžinimo rezultatus. Masyvo ar matricos naudojimas padės užsisakyti šią informaciją ir skaidriau parodyti, kaip programa veikia ir kokius rezultatus ji atneša į lentelę.
