मॉडल के प्रदर्शन का मूल्यांकन

मॉडल के प्रदर्शन का मूल्यांकन

मशीन लर्निंग मॉडल के प्रदर्शन का मूल्यांकन करना उसकी प्रभावशीलता सुनिश्चित करने के लिए अत्यंत महत्वपूर्ण है। वर्गीकरण समस्याओं के लिए हम सटीकता, परिशुद्धता, स्मरण दर और F1 अंक जैसे मापदंडों का उपयोग करते हैं।

सटीकता सही पूर्वानुमानित उदाहरणों और कुल उदाहरणों के अनुपात को मापती है:

Accuracy = (True Positives + True Negatives) / Total Instances

उपयोगी होने के बावजूद, असंतुलित डेटासेट के लिए केवल सटीकता पर्याप्त नहीं हो सकती।

परिशुद्धता धनात्मक पूर्वानुमानों की शुद्धता पर ध्यान केंद्रित करती है:

Precision = True Positives / (True Positives + False Positives)

उच्च परिशुद्धता का अर्थ है कि गलत धनात्मक परिणाम कम होंगे।

स्मरण दर मॉडल की सभी धनात्मक उदाहरणों की सही पहचान करने की क्षमता को मापती है:

Recall = True Positives / (True Positives + False Negatives)

उच्च स्मरण दर का अर्थ है कि गलत ऋणात्मक परिणाम कम होंगे।

F1 अंक परिशुद्धता और स्मरण दर का हार्मोनिक माध्य है:

F1 Score = 2 * (Precision * Recall) / (Precision + Recall)

यह परिशुद्धता और स्मरण दर के बीच संतुलन बनाता है और असंतुलित डेटासेट के लिए विशेष रूप से उपयोगी है।

स्किकिट-लर्न इन मापदंडों की गणना करने वाले फलन प्रदान करता है:

from sklearn.metrics import precision_score, recall_score, f1_score

precision = precision_score(y_test, y_pred)
recall = recall_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)

print(f"Precision: {precision:.2f}")
print(f"Recall: {recall:.2f}")
print(f"F1 Score: {f1:.2f}")

भ्रम मैट्रिक्स मॉडल के प्रदर्शन का विस्तृत चित्र प्रस्तुत करता है:

• सही धनात्मक (TP): सही धनात्मक पूर्वानुमान।
• गलत धनात्मक (FP): गलत धनात्मक पूर्वानुमान।
• सही ऋणात्मक (TN): सही ऋणात्मक पूर्वानुमान।
• गलत ऋणात्मक (FN): गलत ऋणात्मक पूर्वानुमान।

मापदंड का चुनाव समस्या पर निर्भर करता है:

• सटीकता: संतुलित डेटासेट के साथ अच्छी तरह काम करती है।
• परिशुद्धता: जब गलत धनात्मक परिणाम महँगे पड़ते हैं, तब महत्वपूर्ण होती है।
• स्मरण दर: जब गलत ऋणात्मक परिणाम महँगे पड़ते हैं, तब अत्यंत महत्वपूर्ण होती है।
• F1 अंक: असंतुलित डेटासेट के लिए संतुलित मापदंड।

इस पाठ में हमने निम्नलिखित विषयों को समझा:

• मॉडल के प्रदर्शन का मूल्यांकन करने के मापदंड: सटीकता, परिशुद्धता, स्मरण दर और F1 अंक।
• स्किकिट-लर्न का उपयोग करके इन मापदंडों की गणना करना।
• भ्रम मैट्रिक्स की व्याख्या करना।

अब हम समूहीकरण जैसी अप्रशिक्षित अधिगम विधियों का अध्ययन करेंगे।