Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Omówienie pojęć związanych z przeglądem modelu

Przed rozpoczęciem analizowania wyników uczenia warto mieć podstawową wiedzę na temat wskaźników modeli.

Dostępne wskaźniki modeli można ogólnie podzielić na dwa typy: wyniki modelu i wskaźniki ważności cech. Podczas przeglądu modeli należy przeanalizować oba typy wskaźników.

Istnieją również różnice w sposobie uczenia modeli przez każdy z dostępnych algorytmów.

Wyniki modeli

Wyniki modelu wskazują dokładność przewidywań modelu.

Interpretacja wyników modeli

Ważność cechy

Ważność cechy nie jest zasadniczo oceną modelu, ale powinna być używana w połączeniu z wynikami modelu w celu oceny jakości modelu i diagnozowania potencjalnych problemów. Ważność cechy zapewnia również wgląd w kluczowe czynniki wpływające na trendy w danych.

Omówienie ważności cechy

Algorytmy

Niektóre algorytmy działają najlepiej w przypadku określonych typów problemów. Każdy algorytm ma swoje mocne i słabe strony, które należy wziąć pod uwagę podczas przeglądu modeli.

Omówienie algorytmów modeli

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!