Tasniflash muammosi uchun logistik va softmax regressiya funksiyalaridan foydalanish. Samaradorlikni baholash usullari. Chalkashlik matritsasi Bajardi: Oqbo‘tayev M

Tartibsizlik matritsasi (confusion matrix)
Mashinada o'qitish sohasida va xususan statistik tasniflash muammosida xato matritsasi deb ham ataladigan chalkashlik matritsasi-bu algoritmning ishlashini vizualizatsiya qilishga imkon beradigan, odatda nazorat ostida o'rganiladigan (nazoratsiz o'rganish odatda mos keladigan matritsa deb ataladi). Matritsaning har bir qatori haqiqiy sinfdagi misollarni aks ettiradi, har bir ustun taxmin qilingan sinfdagi misollarni aks ettiradi yoki aksincha - ikkala variant ham adabiyotda uchraydi. Bu nom tizimning ikkita sinfni chalkashtirib yubormasligini (ya'ni, boshqasini boshqasiga noto'g'ri yozish) aniqlashni osonlashtirishi bilan bog'liq.Bu ikki xil o'lchovli ("haqiqiy" va "taxmin qilingan") va har ikkala o'lchovdagi bir xil "sinflar" to'plamlariga ega bo'lgan favqulodda vaziyat jadvalining o'ziga xos turi (o'lchov va sinfning har bir kombinatsiyasi favqulodda vaziyatlar jadvalidagi o'zgaruvchidir) Sifat ko'rsatkichlari tafsiloti sifatida siz model noto'g'ri tahlil qilgan yozuvlarni ko'rishingiz mumkin. Bunday anomaliyalar ikkilik tasniflash modellari uchun noto'g'ri ijobiy yoki noto'g'ri salbiy bo'lishi mumkin yoki ko'p sinfli modellar uchun noto'g'ri sinf topshiriqlari bo'lishi mumkin. Shuningdek, model to'g'ri tahlil qilmagan mulohazalar yozuvlari ro'yxatini ko'rishingiz mumkin.Ba'zi ko'rsatkichlar uchun mavjud bo'lgan ikkilik va ko'p sinfli tasniflash uchun chalkashliklar matritsasi kabi tegishli ma'lumotlarni ko'rib chiqish uchun jadvalni bosing. Qadamlar sifat jadvallarining har qanday biridan, masalan, ROC ostidagi maydon jadvaldagi kun / soatni bosing.Chalkashliklar matritsasi noto'g'ri ijobiy va noto'g'ri salbiylarni aks ettiradi. Fikr yozuvlarining pastki qismini ko'rish uchun katakchani bosing.





Xulosa
Men bu mustaqil ishni tayyorlash mobaynida algoritmlarni tahlil qilishning asosiy vazifasi kirish ma'lumotlari hajmining oshib borishi bilan resurslarga bo'lgan talabni (vaqt va xotira xarajatlari) o'lchash usullarini aniqlash ekanligini bildim. Shundan so'ng, o'sish sur'ati qonuniyatlarini tavsiflash uchun zarur bo'lgan matematik mexanizm ishlab chiqiladi. Kirish ma'lumotlari hajmini oshirish bilan turli xil funktsiyalar; "bitta funktsiya boshqasiga qaraganda tezroq o'sadi" iborasi nimani anglatishini aniqlab olishga yordam beradi. Ba'zi hollarda, yaxshi bajarilish vaqtiga erishish yanada murakkab ma'lumotlar tuzilmalaridan foydalanishga bog'liq va bo'lim oxirida biz bunday ma'lumotlar strukturasining juda foydali misolini ko'rib chiqamiz: ustuvor navbatlar va ularni uyum(kucha, heap) asosida amalga oshirish.
Asosiy mavzu - hisoblash muammolarining samarali algoritmlarini izlash. Ushbu umumiylik darajasida kompyuterni hisoblashning butun sohasi ushbu mavzu bilan bog'liq bo'lib tuyuladi; bizning yondashuvimiz boshqalardan qanday farq qiladi? Algoritmlarni ishlab chiqishda umumiy mavzular va loyihalash tamoyillarini aniqlashga harakat qilamiz. Bizni samarali algoritmlarni loyihalashning asosiy usullarini minimal ma'lumot bilan namoyish etuvchi paradigmatik masalalar va usullar qiziqtiradi.