Nozioni sui concetti per la verifica dei modelli
Prima di iniziare ad analizzare i risultati dell'addestramento, può essere utile avere una comprensione di base delle metriche del modello.
Le metriche del modello disponibili possono essere ampiamente separate in due tipi: punteggi del modello e metriche di importanza della funzione. Quando si verificano i modelli, si consiglia di analizzare entrambi i tipi di metriche.
Vi sono anche delle differenze tra il modo in cui ogni algoritmo disponibile addestra i modelli.
Punteggi del modello
I punteggi del modello indicano l'accuratezza delle previsioni del modello.
Interpretazione dei punteggi del modello
Importanza funzione
L'importanza della funzione tecnicamente non è un punteggio del modello, ma dovrebbe essere utilizzato in combinazione con i punteggi del modello per valutare la qualità del modello e diagnosticare potenziali problemi. L'importanza della funzione fornisce anche informazioni strategiche sui fattori chiave che influenzano le tendenze nei dati.
Nozioni sull'importanza delle funzioni
Algoritmi
Determinati algoritmi funzionano meglio con tipi di problemi specifici. Ogni algoritmo ha i suoi punti di forza e le sue carenze, che dovrebbero essere prese in considerazione quando si verificano i modelli.