Precision, recall, F1 i ROC-AUC
Poznać metody oceny wykraczające poza accuracy
Precision, recall, F1 i ROC-AUC to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Dokładność może wprowadzać w błąd
Gdy jedna klasa dominuje, dokładność wygląda świetnie nawet w przypadku bezużytecznego modelu. Do oceny rzeczywistej skuteczności potrzebne są bardziej precyzyjne metryki.
Cztery wyniki
Każda predykcja jest prawdziwie dodatnia, prawdziwie ujemna, fałszywie dodatnia albo fałszywie ujemna. Te cztery liczności stanowią podstawę wszystkich bardziej zaawansowanych metryk.
Precision: ufaj predykcjom dodatnim
Precision pyta: spośród wszystkich przypadków oznaczonych jako dodatnie, ile rzeczywiście nimi było? Wysoki precision oznacza niewiele fałszywych alarmów.
precision = tp / (tp + fp)Recall: wykryj je wszystkie
Recall pyta: spośród wszystkich rzeczywistych przypadków dodatnich, ile udało się wykryć? Wysoki recall oznacza niewiele pominiętych przypadków.
recall = tp / (tp + fn)Kompromis
Podnoszenie precision często obniża recall i odwrotnie. Właściwa równowaga zależy od kosztu każdego rodzaju pomyłki.
F1: jedna zrównoważona miara
F1 score to średnia harmoniczna precision i recall. Premiowana jest w nim sytuacja, gdy obie wartości pozostają odpowiednio wysokie.
f1 = 2 * p * r / (p + r)Progi przesuwają granicę
Klasyfikator zwraca prawdopodobieństwo, a próg rozstrzyga między klasą dodatnią i ujemną. Jego przesuwanie zmienia relację precision i recall.
Krzywa ROC
Krzywa ROC przedstawia współczynnik prawdziwie dodatnich względem współczynnika fałszywie dodatnich dla każdego progu, pokazując cały kompromis na jednym wykresie.
ROC-AUC w jednej liczbie
ROC-AUC to pole pod tą krzywą. Jedną, niezależną od progu liczbą z zakresu od zera do jednego opisuje jakość rankingu.
from sklearn.metrics import roc_auc_scoreOdczytywanie wartości AUC
AUC równe 0,5 oznacza losowe zgadywanie, a 1,0 — idealne rozdzielenie klas. Wyższa wartość oznacza, że model dobrze umieszcza przypadki dodatnie wyżej niż ujemne.
Wybierz odpowiednią metrykę
Wybierz metrykę odpowiednią do zadania: recall do badań przesiewowych, precision dla filtrów spamu, a AUC do oceny jakości rankingu.
Szybkie sprawdzenie
Zastanów się, która metryka określa, ile rzeczywistych przypadków dodatnich udało się skutecznie wykryć.
Podsumowanie
Wyjdź poza dokładność dzięki miarom precision, recall, F1 i ROC-AUC. Każda odpowiada na inne pytanie, dlatego dopasuj metrykę do celu. 🎯
Często zadawane pytania
Czy lekcja „Precision, recall, F1 i ROC-AUC” jest bezpłatna?
Tak — pełny tekst „Precision, recall, F1 i ROC-AUC” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Precision, recall, F1 i ROC-AUC”?
Poznać metody oceny wykraczające poza accuracy Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Precision, recall, F1 i ROC-AUC”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Precision, recall, F1 i ROC-AUC
- Macierze pomyłek i analiza błędów
- Grad-CAM: zobaczyć, na co patrzy model
- Kalibracja pewności