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.
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.
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.