Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Verständnis von Modellüberprüfungskonzepten

Ein grundlegendes Verständnis von Modellmetriken kann hilfreich sein, bevor Sie mit der Analyse Ihrer Trainingsergebnisse beginnen.

Die verfügbaren Modellmetriken können grob in zwei Typen unterteilt werden: Modellbewertungen und Funktionsrelevanzmetriken. Beide Metriktypen sollten analysiert werden, wenn Sie Ihre Modelle überprüfen.

Es gibt auch Unterschiede, wie jeder der verfügbaren Algorithmen Ihre Modelle trainieren.

Modell-Scores

Modell-Scores geben die Genauigkeit der Vorhersagen des Modells an.

Interpretation von Modell-Scores

Featurerelevanz

Die Funktionsrelevanz ist technisch gesehen kein Model-Score, sollte jedoch in Kombination mit Model-Scores verwendet werden, um die Modellqualität zu bewerten und potenzielle Probleme zu diagnostizieren. Die Funktionsrelevanz bietet auch Einblick in die Haupttreiber, die Trends in den Daten beeinflussen.

Verständnis der Funktionsrelevanz

Algorithmen

Bestimmte Algorithmen funktionieren am besten mit spezifischen Problemtypen. Jeder Algorithmus hat seine Stärken und Schwächen, die bei der Überprüfung von Modellen berücksichtigt werden sollten.

Verstehen von Modellalgorithmen

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!