- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
Accuracy نسبت نمونه‌هایی است که برچسب پیش‌بینی‌شده آن‌ها با برچسب واقعی برابر است. این معیار برای یک نگاه اولیه به طبقه‌بند مفید است، اما در داده‌های نامتوازن ممکن است تصویر گمراه‌کننده‌ای ارائه دهد.
نحوه کار و کاربرد
تعداد پیش‌بینی‌های درست بر کل نمونه‌ها تقسیم می‌شود. در مسئله‌ای که یک کلاس بسیار پرتکرار است، مدلی که همیشه همان کلاس را پیش‌بینی می‌کند ممکن است Accuracy بالایی داشته باشد، اما کلاس‌های مهم را تشخیص ندهد.
نمونه
use Phpml\Metric\Accuracy;
$actual = ['a','b','a','b'];
$predicted = ['a','a','a','b'];
echo Accuracy::score($actual, $predicted); // 0.75نکته
Precision، Recall و Confusion Matrix را نیز بررسی کنید؛ معیار ارزیابی باید با هزینه خطا هماهنگ باشد.