技術 Day 28 - NER 模型評估和驗證

昨天我們已經透過train()方法將模型訓練完後，我們需要了解它在未見過的資料上的表現。使用驗證集進行評估可以幫助您確定模型的泛化能力，即模型是否能夠在新數據上...

技術 【Day 20】模型評估(三) : ROC / AUC 特性曲線

前言 昨天提到如何算出評估模型的各種驗證指標，今天就要利用驗證指標中的兩個指標，這兩個指標都是針對預測為陽性 ( 1 ) 時的情況下做比率的計算，一個是召回率...

技術 【Day 19】模型評估(二) : 驗證指標 Validation Index

前言 當我們要評估一名運動員的好壞，就會針對一些體能項目做評估，像是肌耐力、爆發力、彈跳力等，這些項目也可以稱做是衡量球員水準的指標，同樣的如果我們要評估一個模...

技術 【Day 18】模型評估(一) : 混淆矩陣 Confusion Matrix

前言 在訓練完我們的模型之後，通常會用測試資料給我們的模型做測試，評估模型在測試資料上的表現，那要用什麼來評判這個模型的好壞呢？於是我們就用一些驗證指標 ( V...

技術 〔Day24〕零程式的圖像分析(二)-Classification

在上一篇中，我們是將許多張未分類過的圖像數據，讓電腦幫我們分類與查看它們之間的相似度(屬於無監督式學習)；那麼今天，就是要將另外一群已分類好之圖像數據，進行模型...

技術 Day 18. 模型選擇、模型評估 (一) 什麼是驗證集 Validation Set ?

前言 前面幾天陸陸續續介紹了不同的機器學習模型，但是我們都沒有將不同的模型進行比較和評估，今明兩天要來講講如何選擇、評估模型，以及如何分割資料進行建模。 模型...

技術 【Day25-評估】連韓組長也混淆的混淆矩陣？——學會正確解讀模型價值的常用指標：Recall, Precision, Specificity, F1-Score

在資料分析的領域，如果有訓練過模型的朋友一定會遇過這個時刻，訓練好一個模型之後要用什麼方式來評估這個模型的成效如何？如果你腦海中想到的除了正確率(Accurac...

技術 DAY15 模型預測評估方法

我們的挑戰終於進行一半啦~前面經過漫長的資料前處理、特徵工程、挑選模型進行訓練後，我們把一個機器學習的模型建立出來了，接著我們要進行測試，也就是把測試檔丟入模型...