X
تبلیغات
وکیل جرایم سایبری

CUDA Programming Applications

معیارهای ارزیابی

در تمامی عملیات بینایی ماشین و دیگر شاخه های هوش مصنوعی بدلیل آنکه انسان در برگرداندن خروجی  هیچگونه مداخله ای ندارد، بایستی خروجی کار با پارامترهایی سنجیده شود تا نرخ خطا و دقت بازیابی مورد سنجش قرار گیرد و بدینوسیله عملکرد سیستم مورد ارزیابی قرار گیرد، از این رو 4 پارامتری که در تعیین دقت و خطای عملکرد نقش مهمی را ایفا می کنند در اینجا باختصار شرح داده شده است:


TN: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته‌بندی نیز دسته واقعی آنها را بدرستی منفی تشخیص داده است.
FP: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته‌بندی دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته‌بندی دسته آنها را به اشتباه منفی تشخیص داده است.
TP: این مقدار بیانگر تعداد رکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته‌بندی دسته آنها را بدرستی مثبت تشخیص داده است.


شکل زیر نمونه ای از FN و FP را نشان می دهد.



از این رو نرخ دقت بازیابی و همچنین نرخ خطا به ترتیب  از روابط 1 و 2 محاسبه می شود:



نظرات (0)
نام :
ایمیل : [پنهان میماند]
وب/وبلاگ :
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)