注册送钱,助您成为大富翁!
 
当前位置: 首页 » 资讯 » 人工智能 » 机器人训练中的“精准与回忆”是什么?

机器人训练中的“精准与回忆”是什么?

放大字体  缩小字体发布日期:2019-08-01 11:35  浏览次数:77
摘 要:在机器学习中,有许多方法可以解释和定义精确性和召回。这两个原则在生成系统中在数学上很重要,在概念上也很重要,在涉及人工智
     在机器学习中,有许多方法可以解释和定义“精确性和召回”。这两个原则在生成系统中在数学上很重要,在概念上也很重要,在涉及人工智能模仿人类思维的关键方面。毕竟,人们在神经评估中也使用了“精确性和回忆性”。
 
     其中一种考虑精度和召回的方法是将精度定义为相关项和检索项在检索结果数量上的联合,而召回表示相关项和检索项在相关结果总数上的联合。另一种解释方法是,精确性度量分类集中实际正确的正标识部分,而回忆表示正确识别的实际正标识的比例。这两个指标在交互过程中经常相互影响。专家们使用一个在混淆矩阵中标记真阳性、假阳性、真阴性和假阴性的系统来显示精确性和回忆性。更改分类阈值还可以更改输出的精度和召回。
 
     另一种说法是,召回测量的是正确结果的数量除以应返回的结果的数量,而精确测量的是正确结果的数量除以所有返回的结果的数量。这个定义很有帮助,因为您可以将回忆解释为系统可以“记住”的结果数量,而您可以将精确性转换为识别这些结果的有效性或目标成功率。在这里,我们回到了一般意义上的精确性和回忆的含义——记忆物品的能力,而不是正确记忆物品的能力。
 
    对真阳性、假阳性、真阴性和假阴性的技术分析在机器学习技术和评估中非常有用,以展示分类机制和机器学习技术是如何工作的。通过以技术方式测量精度和回忆,专家不仅可以显示运行机器学习程序的结果,还可以开始解释程序是如何产生结果的——通过程序以特定方式来评估数据集的算法工作。
 
     有鉴于此,许多机器学习专业人员可能会在分析测试集、培训集或后续性能集数据的返回结果时谈论精度和召回。使用一个数组或矩阵将有助于对这些信息进行排序,并更透明地显示程序的工作方式以及它给表带来的结果。
 
 
[ 资讯搜索 ] [ 加入收藏 ] [ 告诉好友 ] [ 打印本文 ] [ 关闭窗口 ]

 
0条 [查看全部]  【机器人训练中的“精准与回忆”是什么?】相关评论

 
推荐图文
推荐资讯
点击排行