Kesinlik, Duyarlılık ve F1
Hata türleri arasındaki dengeyi kurma
Kesinlik, Duyarlılık ve F1, CoddyKit'te ücretsiz bir Data Science Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Data Science Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Data Science Academy kursu toplamda 4 dersten oluşur.
Doğruluk Neden Yetersiz Kalır
Bir sınıf nadir olduğunda doğruluk harika görünebilir, ancak model önemli olan her şeyi kaçırabilir. Kesinlik ve duyarlılık gibi daha açıklayıcı metriklere ihtiyacınız vardır. 🎯
Kesinlik Tanımı
Kesinlik şunu sorar: pozitif olarak işaretlediğim tüm durumların kaçı gerçekten pozitifti? Bir evet yanıtının ne kadar güvenilir olduğunu ölçer.
precision = TP / (TP + FP)Kesinlik Ne Zaman Önemlidir
Gerçek e-postayı istenmeyen olarak işaretlemek gibi yanlış alarmların maliyetli olduğu durumlarda yüksek kesinlik önemlidir. Her işaretlemenin doğru olmasını istersiniz.
Duyarlılık Tanımı
Duyarlılık şunu sorar: gerçekten pozitif olan tüm durumların kaçını yakaladım? Modelin durumları kaçırmama konusunda ne kadar başarılı olduğunu ölçer.
recall = TP / (TP + FN)Duyarlılık Ne Zaman Önemlidir
Bir hastalığı taramak gibi kaçırılan durumların tehlikeli olduğu zamanlarda yüksek duyarlılık önemlidir. Gerçek vakaların tümünü yakalamak, birkaç yanlış alarmdan daha önemlidir.
Çekişme
Kesinlik ve duyarlılık genellikle birbirine karşı çalışır. Daha fazla durumu işaretlerseniz daha fazlasını yakalarsınız, ancak yanlış alarmlar artar. Bu bir ödünleşimdir.
F1 Puanı Devreye Giriyor
F1 puanı, kesinlik ile duyarlılığı harmonik ortalamalarını kullanarak tek bir sayıda birleştirir ve ikisini iyi dengeleyen modelleri ödüllendirir.
f1 = 2 * (precision * recall) / (precision + recall)Harmonik Ortalama Neden Kullanılır
F1, harmonik ortalama kullanır; böylece iki taraftan birindeki düşük puan, sonucu aşağı çeker. Yalnızca bir metrikte mükemmel sonuç alarak bunu gizleyemezsiniz.
Hepsini Tek Çağrıda Alın
Bunları elle hesaplamanız gerekmez. sınıflandırma raporu, her sınıf için kesinlik, duyarlılık ve F1 değerlerini aynı anda yazdırır.
from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))En İyi Hale Getirilecek Metriği Seçin
Kararı probleme bırakın. Kaçırılan durumlar daha zararlıysa duyarlılığı, yanlış alarmlar zararlıysa kesinliği, dengeye ihtiyacınız varsa F1'i en iyi hale getirin.
Ortalama Almaya Dikkat Edin
Çok sayıda sınıf olduğunda nasıl ortalama alacağınızı seçin. Makro ortalama sınıflara eşit davranır, ağırlıklı ortalama ise sınıf büyüklüğünü hesaba katar. Seçiminiz ortaya çıkan tabloyu değiştirir.
f1_score(y_true, y_pred, average='macro')Hızlı Kontrol
Kesinlik ve duyarlılık kavramlarının zihninizde doğru yerleştiğinden emin olalım.
Özet
Kesinlik verdiğiniz evet yanıtlarına güvenir, duyarlılık pozitifleri yakalar ve F1 ikisini dengeler. Seçiminizi her hatanın maliyetine göre yapın. 🎯
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“Kesinlik, Duyarlılık ve F1” dersi ücretsiz mi?
Evet — “Kesinlik, Duyarlılık ve F1” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Data Science Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Data Science Academy kursu toplamda 4 dersten oluşur.
“Kesinlik, Duyarlılık ve F1” dersinde ne öğreneceğim?
Hata türleri arasındaki dengeyi kurma Data Science Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Data Science Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Data Science Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“Kesinlik, Duyarlılık ve F1” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Data Science Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Data Science Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Regresyon Ölçütleri: MAE, MSE, R2
- Karmaşıklık Matrisini Çözümleme
- Kesinlik, Duyarlılık ve F1
- ROC, AUC ve Eşikler