توضیحات

عنوان: ارزیابی و اعتبار سنجی روش های دسته بندی

معرفی انواع پارامترهای ارزیابی مدل های دسته بندی به همراه مثال های کاربردی

فرمت فایل:  pdf        حجم فایل:  ۸۵۴ kb     تعداد صفحات:  ۳۲ صفحه

تکنیک های دسته بندی در بسیاری از کاربردها در زمینه های مختلف علوم به کار گرفته می شوند. در مدل‌های دسته بندی، از داده‌های آموزشی برای ساخت یک مدل برای پیش‌بینی برچسب (label) کلاس برای یک نمونه جدید استفاده می‌شود. ارزیابی کارایی دسته بندی (Evaluation of classification performance) یک مرحله مهم و بسیار با اهمیت در ارزیابی روش دسته بندی و شاخصی برای رد یا قبول و موفقیت یا عدم موفقیت یک روش دسته بندی برای مجموعه داده مشخص است. عملکرد دسته بندی با مقادیر اسکالر عددی معیارهای مختلف مانند دقت، حساسیت و ویژگی نشان داده می‌شود.
در این فایل pdf، پارامترهای ارزیابی و اعتبار سنجی روش های دسته بندی شرح داده می شود. فهرست مطالب ارائه شده در این فایل به شرح زیر می باشد.

مقدمه…. ۳
ماتریس در هم ریختگی ۴
پارامترهای ارزیابی روش های دسته بندی ۸
صحت (Acc) 8
نرخ خطا (ERR) 8
نرخ دسته بندی اشتباه (MR) 9
حساسیت(Sn)، نرخ مثبت درست (TPR)، نرخ ضربه (hit rate)، یا یادآوری(recall) 9
ویژگی (Sp)، نرخ منفی درست (TNR)، یا یادآوری معکوس (inverse recall) 9
نرخ مثبت نادرست (FPR)نرخ هشدار نادرست (FAR) یا Fallout 11
نرخ منفی نادرست (FNR) یا نرخ فقدان (MR) 11
دقت (p) یا مقدار پیش بینی مثبت (PPV) 11
ارزش پیش‌بینی منفی (NPV)، دقت معکوس، یا دقت منفی واقعی(TNA) 12
نسبت درست نمایی (LR) 13
نسبت شانس تشخیصی (DOR) 14
شاخص یودن (YI) 14
ضریب همبستگی متیوز(MCC) 15
توان تشخیصی (DP) 15
معیار فیشر (F-measure) 16
نشانه گذاری (MK) 17
نرخ طبقه بندی متوازن یا صحت متعادل (BCR) 18
میانگین هندسی (GM) 18
دقت بهینه سازی (OP) 19
جاکارد (Jaccard) 20
منحنی راک (ROC) 20
سطح زیر منحنی راک (AUC) 22
مثال های کاربردی ۲۴
محاسبه پارامترهای ارزیابی دسته بندی دوتایی یا باینری ۲۵
محاسبه پارامترهای ارزیابی دسته بندی چندتایی ۲۷
معرفی نرم افزار های دسته بندی ۳۰
مراجع…. ۳۱