Modelin Tahminlerini Okuma

Bir model size tek bir yanıttan fazlasını verir. tahminlerini okumayı öğrenmek, modelin yalnızca neyi seçtiğini değil, bundan ne kadar emin olduğunu da gösterir.

predict çağrısı, her girdi için olasılığı en yüksek sınıfı döndürür. Bu, modelin tek bir yanıta bağlandığı kesin etikettir.

Her sınıfa atanan olasılığı görmek için predict_proba kullanın. 0,95'lik spam puanı, sınırda kalan 0,51'lik bir puana göre çok daha güçlü bir güven gösterir.

Olasılıkların her satırının toplamı tam olarak 1'dir. Model, tüm inancını mevcut sınıflar arasında dağıtır; ne daha fazlasını ne de daha azını.

Olasılık sütunları classes_ içindeki sırayı izler. Hangi sütunun spam, hangisinin ham anlamına geldiğini bilmek için bu özniteliği kontrol edin.

Model, çok küçük sayıların alt taşmaya uğramasını önlemek için dahili olarak logaritmalarla çalışır. İhtiyaç duyarsanız predict_log_proba yöntemi bu ham log puanlarını gösterir.

Yüksek olasılık, modelin emin olduğu anlamına gelir; doğru olduğu anlamına gelmez. Naive Bayes aşırı özgüvenli olabilir, bu nedenle sayıları sağlıklı bir temkinle değerlendirin.

Spam olarak işaretlemek için 0,5 kullanmak zorunda değilsiniz. eşiği 0,8'e yükseltmek yanlış alarmları azaltır, ancak birkaç spam iletinin gözden kaçmasına neden olur.

Modelin emin olduğu hâlde yanıldığı girdileri bulun. Bu hatalar çoğu zaman verilerinizde düzeltilmesi gereken eksik sözcükleri veya etiketleri ortaya çıkarır.

Naive Bayes için bir iletiyi spam yönüne iten sözcükleri listeleyebilirsiniz. Sözcük düzeyindeki bu kanıt, modeli anlaşılır kılar. 🔎

Olasılıklar risk sıralaması yapmanıza, emin olunmayan durumları bir insana yönlendirmenize ve akıllı eşikler belirlemenize olanak tanır. Bunları iyi yorumlamak, modeli gerçek bir araca dönüştürür.

Kesin etiketlerin ötesine geçerek olasılıkları okumayı, sınıf sırasını kontrol etmeyi, eşikleri ayarlamayı ve kararları açıklamayı öğrendiniz. Bir sınıflandırıcıya böyle güvenebilirsiniz. ✅