Мера оценки производительности модели нейронной сети

Question

Я хочу создать модель нейронной сети, которая классифицирует входные данные по четырем классам: класс A, B, C и D. Каждый класс может иметь значение 0 и 1. Какие меры я должен использовать для оценки моей модели. Могу ли я использовать меры Precision, Recall, F-measure для оценки модели?

Answer 1

Это зависит от данных, которые у вас есть,

1. Если ваши данные достаточно сбалансированы (то есть равное представление от всех классов), то вы можете использовать точность в качестве меры.
2. Но если ваши данные страдают от дисбаланса классов (неравномерное распределение классов), то вам следует учитывать точность классов, отзыв и оценку F1. Я рекомендую оценку f1, поскольку она учитывает как точность, так и отзыв.
3. В противном случае вы можете построить кривую ROC и получить область под ROC.

Sklearn имеет пакеты для этого, вы можете сослаться на классификационный отчет , Площадь под ROC .