El aprendizaje automático se usa generalmente para la clasificación: se construye un modelo que representa una función que asigna un punto de datos (tal vez una imagen) a una clase (un perro, un gato o un pájaro, por ejemplo). Por lo general, para acceder a la calidad o precisión del modelo, obtiene un conjunto de datos de puntos de datos que el modelo nunca ha visto antes. Luego evaluamos el modelo en todos estos puntos de datos invisibles y obtenemos sus clases. Luego dividimos cuántas clases correctas obtuvo el modelo por el número total de clases. Esto se llama precisión Top-1, porque la única forma de que una clase predicha sea “correcta” es si la clase correcta tiene la mayor probabilidad de salida.
La precisión Top-N significa que la clase correcta debe estar en las probabilidades Top-N para que cuente como “correcta”. Como ejemplo, supongamos que tengo un conjunto de imágenes de datos.
- Perro
- Gato
- Perro
- Pájaro
- Gato
- Gato
- Ratón
- Pingüino
Para cada uno de estos, el modelo predecirá una clase, que aparecerá junto a la clase correcta entre comillas
- ¿Qué sitio web / tutorial / video puedo usar para comprender muy bien la programación dinámica en un día?
- ¿Alguien ha implementado algoritmos de detección de ECG en un microcontrolador para la detección PQRS?
- Cómo mejorar mi solución Java para el problema 'nodo de hoja izquierda más profundo en un árbol binario'
- ¿Cómo funciona el algoritmo de estimulación del presupuesto publicitario de Facebook?
- Cómo convertir la salida de números complejos generada por el algoritmo FFT en frecuencia vs amplitud
- Perro perro”
- Gato “pájaro”
- Perro perro”
- Pájaro Pájaro”
- Gato gato”
- Gato gato”
- Ratón “Pingüino”
- Pingüino “Perro”
La precisión de Top-1 para esto es (5 correctas de 8), 62.5%. Ahora supongamos que también enumero el resto de las clases que predijo el modelo, en orden descendente de sus probabilidades (cuanto más a la derecha aparece la clase, menos probable es que el modelo piense que la imagen es una clase tat)
- Perro “Perro, Gato, Pájaro, Ratón, Pingüino”
- Gato “Pájaro, Ratón, Gato, Pingüino, Perro”
- Perro “Perro, Gato, Pájaro, Pingüino, Ratón”
- Pájaro “Pájaro, Gato, Ratón, Pingüino, Perro”
- Gato “Gato, Pájaro, Ratón, Perro, Pingüino”
- Gato “Gato, Ratón, Perro, Pingüino, Pájaro”
- Ratón “Pingüino, Ratón, Gato, Perro, Pájaro”
- Pingüino “Perro, Ratón, Pingüino, Gato, Pájaro”
Si tomamos la precisión de los 3 primeros para esto, la clase correcta solo necesita estar en las tres primeras clases predichas para contar. Como resultado, a pesar de que el modelo no tiene todos los problemas, ¡su precisión de top 3 es del 100%!