Förvirringsmatris och obalans i data
Hur vet vi om en modell är bra eller dålig på att klassificera våra data? Datorers sätt att utvärdera modellprestanda kan ibland vara svårt för oss att förstå eller ge en överdrivet förenklad bild av hur modellen kommer att bete sig i verkligheten. För att vi ska kunna skapa modeller som fungerar på ett tillfredsställande sätt måste vi hitta intuitiva sätt att utvärdera dem och förstå hur dessa mått kan ge upphov till bias.
Utbildningsmål
I den här modulen kommer du att:
- Utvärdera prestanda för klassificeringsmodeller.
- Granska mått för att förbättra klassificeringsmodeller.
- Åtgärda prestandaproblem från obalanser i data.
Förutsättningar
Grundläggande kunskaper om klassificeringsmodeller