Das Algorithmusmodell verbessert die Vorhersageeffizienz verschiedener Ergebnisse erheblich.
[Wesen des Algorithmusmodells]
Das Wesen des Algorithmusmodells besteht darin, Vorhersageergebnisse basierend auf verschiedenen Eingabevariablenfaktoren durch Berechnungsregeln (Modell oder Formel) zu erhalten.
Typische Vorhersageergebnisse wie:
1. (Durch historische Verhaltens- und Präferenzvorhersage) die Möglichkeit, dass ein Benutzer auf eine Information klickt
2. (Durch historische Verhaltens- und Präferenzvorhersage) natürliche demografische Merkmale von Benutzern wie Geschlecht usw.
[So bestimmen Sie die Qualität des Modells]
Die Bewertung der Genauigkeit und des Rückrufs ist eines der am häufigsten verwendeten Mittel zur Überprüfung der Qualität des Algorithmusmodells.
Angenommen, Sie und das Model spielen ein Frage-und-Antwort-Spiel, nehmen jedes Mal eine Probe, teilen ihm einige Informationen über diese Person mit und lassen ihn alle Jungen herausfinden.
Genauigkeit = vorhergesagte Genauigkeit/Erinnerung (herausfinden).
Beispiel: In allen Stichproben findet das Modell vorab 50 Personen und gibt an, dass sie alle Männer sind, aber nur 40 der gefundenen Personen sind tatsächlich Männer, und die Genauigkeitsrate = 40/50 = 80 %, die zur Messung verwendet wird Teil des herausgefundenen. Genauigkeit.
Rückruf = Maß an Genauigkeit im Rückruf / Maß an objektiver Korrektheit.
Es geht darum, die tatsächlichen Ergebnisse mit den vorhergesagten Ergebnissen zu vergleichen. Beispiel: Es gibt tatsächlich insgesamt 60 Männer und das Modell findet nur 50. Dann beträgt die Rückrufrate = 50/60 = 83,3 %, was zur Messung der Abdeckung des gefundenen Teils mit dem tatsächlichen realen Teil verwendet wird.
[Quasi-Call-Urteil, was wird passieren? 】
Die Auswertung der vorhergesagten Ergebnisse stellt somit die folgenden vier Sätze dar.
Wie in der folgenden Abbildung dargestellt, sehen die vier Arten von Sammlungen derzeit so aus, wenn die Grafiken ausgebreitet sind.
Die folgende Abbildung zeigt einen Fall, in dem das Modell übermäßig konservativ ist.
Das Modell kann mit einer Genauigkeitsrate von 100 % sehr konservativ sein, aber aufgrund des übermäßigen Strebens nach Genauigkeit wird eine große Anzahl korrekter Ergebnisse übersehen.
Die folgende Abbildung stellt den Over-Recall dar.
Die Rückrufrate beträgt 100 %, wodurch sichergestellt wird, dass der richtige Satz abgerufen wird. Die Präzisionsrate ist jedoch sehr niedrig, da eine große Anzahl falscher Sätze abgerufen wird.
Das Bild unten stellt die ideale Situation dar – viele und genau!
