تقلبنامه (Cheat Sheet) ارزیابی مدل در یادگیری ماشین – راهنمای سریع و کامل
«تقلبنامه» (Cheat Sheet) به دلیل ارائه اطلاعات جامع پیرامون یک سرفصل خاص به صورت یکپارچه و موجز، برای افراد مبتدی و حتی کارشناسان یک حوزه بسیار مفید محسوب میشوند. کیفیت و دقت فنی یک تقلبنامه عامل مهمی در کاربردپذیری آن محسوب میشود. تقلبنامه یادگیری ماشین ارائه شده در این مطلب در واقع یک مجموعه خوب از مفاهیم گردآوری شده از منابع گوناگون پیرامون «راهکارهای ارزیابی مدل در یادگیری ماشین» محسوب میشود.
این تقلبنامه به کلیه مباحث کلیدی ارزیابی مدل در یادگیری ماشین پرداخته و میتوان با استفاده از آن یک دید کلی و مناسب بدون ریز شدن در جزئیات غیر مهم به دست آورد. این فایل به صورت PDF قابل دانلود است.
در تقلبنامه «راهکارهای ارزیابی مدل در یادگیری ماشین»، مباحث زیر مورد بررسی قرار گرفتهاند:
- ماتریس درهمریختگی (Confusion Matrix)
- مفاهیم صحت (Accuracy)، دقت (Precision)، حساسیت صحت (Recall Sensivity)، ویژگی (Specificity) و امتیاز F1
- منحنی مشخصه عملکرد سیستم (Receiver Operating Characteristic | ROC) و ناحیه زیر منحنی (AUC | AUROC)
- مفاهیم نرخ مثبت صحیح (True Positive Rate | TPR) و نرخ مثبت غلط (False Positive Rate | FPR)
- سنجههای کلیدی ارزیابی مدلهای رگرسیون شامل مجموع مربعات (Sum of Squares)، مجموع مربعات توضیح داده شده (Explained Sum of Squares) و مجموع مربعات باقیماندهها (Residual Sum of Squares)
- ضریب تشخیص (Coefficient of Determination)
- روشهای محاسبه Mallow's Cp، AIC، BIC و Adjusted R2
- مفهوم اعتبارسنجی متقابل و انواع آن شامل K-fold و Leave-p-Out
- مفهوم با قاعدهسازی (Regularization) و انواع روشهای آن شامل LASSO، Ridge و Elastic Net
- مفهوم سوگیری (Bias) و واریانس مدل و چگونگی موازنه سوگیری/واریانس
- مفهوم تحلیل خطا (Error Analysis) و تحلیل لغزش (Ablative Analysis)
برای دانلود فایل PDF قابل چاپ تقلبنامه یادگیری ماشین روی تصویر زیر کلیک کنید.
اگر مطلب بالا برای شما مفید بوده، آموزشهای زیر نیز به شما پیشنهاد میشود:
- مجموعه آموزشهای یادگیری ماشین و بازشناسی الگو
- مجموعه آموزشهای شبکههای عصبی مصنوعی
- مجموعه آموزشهای آمار، احتمالات و دادهکاوی
- مجموعه آموزشهای هوش محاسباتی
- دوره آموزش یادگیری ماشین وبلاگ فرادرس با مثالهای کاربردی
^^
با سلام
در چندین قسمت بجای کلمه sum از کلمه some استفاده شده است.
درود؛
وقت به خیر.
از شما برای همراهی با مجله فرادرس و ارائه بازخورد سپاسگزارم. ویرایش لازم، انجام شد.
سپاسگزارم.
سلام
سپاس بابت به اشتراک گذاشتن مطلب بالا. در صورت امکان منابع مطالب ذکر شود بسیار مفیدتر خواهد بود به عنوان مثال مطلب فوق ترجمه Cheat Sheet کورس CS 229 – Machine Learning دانشگاه استنفورد هست (https://stanford.edu/~shervine/teaching/cs-229.html) و قرار دادن مرجع اصلی کمک شایانی خواهد بود برای علاقه مندان به منظور دنبال کردن این مطالب.
موفق باشید و سربلند.
پیمانکار
درود بر شما
بسیار سپاسگزارم برای بازخوردی که ارائه دادید. منبع هر تقلبنامه در انتهای فایل PDF آن موجود است.
شاد و پیروز باشید