ש:
מהי "דיוק וזכר" בלימוד מכונות?
ת:ישנן מספר דרכים להסביר ולהגדיר "דיוק וזכר" בלימוד מכונות. שני העקרונות הללו חשובים מבחינה מתמטית במערכות דוריות, וחשובים רעיונית, בדרכים מרכזיות הכרוכות במאמצי ה- AI לחקות מחשבה אנושית. אחרי הכל, אנשים משתמשים ב"דיוק וזכור "גם בהערכה נוירולוגית.
אחת הדרכים לחשוב על דיוק וזכרון ב- IT היא להגדיר דיוק כאיחוד של פריטים רלוונטיים ופריטים שאוחזרו על פני מספר התוצאות שאוחזרו, ואילו הזכרון מייצג את האיחוד בין פריטים רלוונטיים ופריטים שהושגו על סך התוצאות הרלוונטיות.
דרך נוספת להסביר זאת היא שדיוק מודד את החלק של הזדהות חיובית במערך סיווג שהיה נכון, ואילו הזכרון מייצג את חלקן של החיוביות בפועל שזוהו נכון.
שני המדדים הללו משפיעים לרוב זה על זה בתהליך אינטראקטיבי. מומחים משתמשים במערכת של תיוג חיובי אמיתי, פוזיטיביות שגויות, שליליות אמיתיות ושליליות כוזבות במטריצת בלבול על מנת להראות דיוק וזכרון. שינוי סף הסיווג יכול גם לשנות את התפוקה מבחינת דיוק וזכרון.
דרך נוספת לומר זאת היא שזיכרון מודד את מספר התוצאות הנכונות, מחולק במספר התוצאות שצריך היה להחזיר, בעוד שדיוק מודד את מספר התוצאות הנכונות חלקי מספר התוצאות שהוחזרו. הגדרה זו מועילה, מכיוון שאתה יכול להסביר את ההיזכרות כמספר התוצאות שמערכת יכולה "לזכור", תוך כדי שאתה יכול להפיק דיוק כיעילות או הצלחה ממוקדת בזיהוי התוצאות. כאן נחזור למה המשמעות של דיוק וזכר במובן כללי - היכולת לזכור פריטים, לעומת היכולת לזכור אותם נכון.
הניתוח הטכני של פוזיטיביות אמיתיות, פוזיטיביות שגויות, שליליות אמיתיות ושליליות שקריות מועיל ביותר בטכנולוגיות למידת מכונה והערכה, כדי להראות כיצד פועלים מנגנוני סיווג וטכנולוגיות למידת מכונות. על ידי מדידת דיוק וזכרון בצורה טכנית, מומחים יכולים לא רק להציג את תוצאות הפעלת תוכנית למידת מכונה, אלא גם יכולים להתחיל להסביר כיצד תוכנית זו מניבה את תוצאותיה - על ידי איזו עבודה אלגוריתמית התוכנית באה להעריך מערכי נתונים ב- דרך מסוימת.
עם זאת, רבים ממומחי למידת המכונה עשויים לדבר על דיוק ולהיזכר בניתוח של תוצאות החזרה ממערכות בדיקות, מערכי אימונים או מערכי נתונים עוקבים אחר ביצועים. שימוש במערך או מטריצה יעזור להזמין מידע זה ולהראות באופן שקוף יותר כיצד התוכנית עובדת ואילו תוצאות היא מביאה לשולחן.
