Membaca Prediksi Model

Model memberi Anda lebih dari satu jawaban. Mempelajari cara membaca prediksi model menunjukkan bukan hanya pilihannya, tetapi juga seberapa yakin model tersebut.

Memanggil predict mengembalikan kelas yang paling mungkin untuk setiap masukan. Inilah label tegas, ketika model menetapkan satu jawaban.

Gunakan predict_proba untuk melihat peluang yang diberikan kepada setiap kelas. Skor spam 0,95 menunjukkan keyakinan yang jauh lebih besar daripada skor samar 0,51.

Setiap baris probabilitas berjumlah tepat 1. Model membagi seluruh keyakinannya di antara kelas yang tersedia, tidak lebih dan tidak kurang.

Kolom probabilitas mengikuti urutan dalam classes_. Periksa atribut tersebut agar Anda mengetahui kolom mana yang berarti spam dan mana yang berarti ham.

Secara internal, model bekerja dengan logaritma agar angka yang sangat kecil tidak mengalami aliran bawah. Metode predict_log_proba menampilkan skor logaritmik mentah tersebut jika Anda membutuhkannya.

Probabilitas tinggi berarti model yakin, bukan berarti model benar. Naive Bayes dapat menjadi terlalu yakin, jadi gunakan angkanya dengan kehati-hatian yang wajar.

Anda tidak harus menandai spam pada 0,5. Menaikkan ambang menjadi 0,8 berarti lebih sedikit alarm palsu, tetapi sedikit lebih banyak pesan spam yang lolos.

Temukan masukan yang diprediksi model dengan yakin tetapi ternyata salah. Kesalahan ini sering mengungkap kata yang hilang atau label yang perlu diperbaiki dalam data Anda.

Untuk Naive Bayes, Anda dapat mencantumkan kata-kata yang mendorong pesan ke arah spam. Bukti pada tingkat kata tersebut membuat model ini sangat mudah dijelaskan. 🔎

Probabilitas memungkinkan Anda mengurutkan berdasarkan risiko, meneruskan kasus yang meragukan kepada manusia, dan menetapkan batas yang cerdas. Membacanya dengan baik mengubah model menjadi alat yang nyata.

Anda telah melampaui label tegas untuk membaca probabilitas, memeriksa urutan kelas, menyesuaikan ambang, dan menjelaskan keputusan. Begitulah cara Anda mempercayai pengklasifikasi. ✅