ارزیابی مدل در یادگیری ماشین برای مسائل دسته بندی

در #هوش_مصنوعی و #یادگیری_ماشین وقتی برای حل یک مساله، مانند #دسته_بندی، #خوشه_بندی و یا #رگرسیون مدلی ایجاد میشود، باید نقاط قوت و ضعف مدل به دقت مورد بررسی قرار گیرد تا توانمندی آن مدل در حل مساله مورد اطمینان باشد.
در این ویدئو به توضیح روش های #ارزیابی_مدل برای مسائل #دسته_بندی پرداختم. معیارهایی مانند #صحت #Accuracy، #دقت #Precision، #نرخ_فراخوانی #Recall یا #Sensitivity و همچنین نمودارهای #ROC curve و #Recall_Precision curve را در مساله دسته بندی دودویی مورد بررسی قرار دادم.

ویدئو قبل با عنوان مهندس یادگیری ماشین چطور فکر می کند؟https://lnkd.in/eKi_9Bf

کانال تلگرام: https://t.me/ForsatAcademy

مشاهده ویدیو در آپارت: https://aparat.com/v/38UeW