iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 16
0
AI & Data

跟著Google學ML系列 第 16

[Day 16] Classification(上)

  • 分享至 

  • xImage
  •  

Ref.: Classification

看到有人關注這系列文章實在很開心,但盡信書不如無書,全信我不如不要學ML。
建議多看多學其他的source,以免被單一資源給嚴重誤導。

今天這篇的預估學習時間:90分鐘。超多!!
頭都洗一半了,還是得寫下去。

以下先考慮分兩群,就是只有TrueFalse
分多群的以後會再介紹

門檻值Thresholding

假設我們要預測是A (true)還是不是A (false),最直接的想法就是給定一個機率pP(A): 0.5<=p<=1, P(B): 0<=p<0.5。大於一半(0.5)的機率就是A,小於一半(0.5)的機率就是B。0.5就是我們的門檻值Threshold。換句話說,門檻值不一定要是0.5,可以是我們自己定義的數值。
這個數值是根據問題而定,慢慢tune出一個最適合的數值。但挑選門檻值又要小心,它可能會讓你true變false,想想你們的有多少註冊通知信跑到垃圾郵件就知道了

True vs. False and Positive vs. Negative

原諒我沒翻這個,真假正負?是非真假?太難了。

定義好我們的Positive Class vs. Negative Class後,就能判斷預測出來的是真的還假的。OK,我比較喜歡這樣看Google給的表:
https://ithelp.ithome.com.tw/upload/images/20181016/2010383578vHKnSy5w.jpg

  • True positive (TP): 真的有 (實際上就是有)
  • False positive (FP): 假的有 (實際上就是沒有)
  • False negative (FN): 假的沒有 (實際上就是有)
  • True negative (TN): 真的沒有 (實際上就是沒有)

這幾個組合是接下來判斷model好壞的依據,Google提供放羊的小孩的例子滿親民的,假的就會讓人生氣

正確率Accuracy

正確率Accuracy就是真的猜對的(TP+TN)除以所有猜的次數(TP+FP+FN+TN)很不巧,正確率越高並不能代表越好,看看這個100 (1+1+8+90)個examples猜測的結果:
https://ithelp.ithome.com.tw/upload/images/20181016/201038355gVPP4PbN2.jpg

正確率 = (1+90)/100 = 0.91
看似挺高的,但問題是:

  1. 它把很多實際是YES的都猜成NO ==> False positive (FN)很高
  2. 或者換一個觀察,所有的examples它幾乎都猜成NO猜NO的機率高達(8+90)/100
  3. 再觀察一件事:實際上是NO的比例也很高(1+90)/100=91%

很高的正確率通常會反應一些問題,像這邊提到的是class-imbalanced,Data set 中實際是True跟實際是False的數量差異太懸殊了。

Precision and Recall

Precision

What proportion of positive identifications was actually correct?
猜True(Positive)時有多少比例是正確猜對的

Precision = TP/(TP+FP)
上圖的例子是1/(1+1) = 0.5

Recall

What proportion of actual positives was identified correctly?
實際是對的而且也被識別出來(猜對)的比例有多少

Recall = TP/(TP+FN)
上圖的例子是1/(1+8) = 0.11,意思是有0.89的機率把True認成False的。

Precision-Recall 拉鋸戰

我重劃了Google的範例圖:
https://ithelp.ithome.com.tw/upload/images/20181016/20103835ibhwM1uzqj.png
所有example根據predict probability由小排到大,再用threshold切一刀。左邊是Negative(猜False),右邊是Positive(猜True),搭配原本的example targets (actually TRUE or actually FALSE),判斷到底猜對(T)還猜錯(F)。

  • Threshold右邊綠點:實際是True,猜成True ==> TP,共 8 個
  • Threshold右邊紅點:實際是False,猜成True ==> FP,共 2 個
  • Threshold左邊綠點:實際是True,猜成False ==> FN,共 3 個
  • Threshold左邊紅點:實際是False,猜成False ==> TN,共 17 個

因此這個範例來看
Precision = 8/(8+2) = 0.8
Recall = 8/(8+3) = 0.73

提高Threshold後...
https://ithelp.ithome.com.tw/upload/images/20181016/20103835HU4eTxiodJ.png

  • Threshold右邊綠點:實際是True,猜成True ==> TP,共 7 個
  • Threshold右邊紅點:實際是False,猜成True ==> FP,共 1 個
  • Threshold左邊綠點:實際是True,猜成False ==> FN,共 4 個
  • Threshold左邊紅點:實際是False,猜成False ==> TN,共 18 個

Precision = 7/(7+1) = 0.88
Recall = 7/(7+4) = 0.64

看看降低Threshold後呢?
https://ithelp.ithome.com.tw/upload/images/20181016/20103835RSQL4XcXYH.png

這個就再讓大家算看看囉(跟最後一個範例不太一樣!!)

好 今天先寫到這。剩下兩個部分留給明天吧!


上一篇
[Day 15] 邏輯迴歸分析Logistic Regression
下一篇
[Day 17] Classification(下)
系列文
跟著Google學ML30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言