Q:
Prečo je matica zámeny užitočná v ML?
A:Existuje veľa spôsobov, ako hovoriť o tom, prečo je matica zámeny hodnotná v strojovom vzdelávaní (ML) - jedným z najjednoduchších spôsobov je vysvetliť, že matica zámeny je prostriedkom vizualizácie údajov.
Matica zámeny umožňuje divákom na prvý pohľad vidieť výsledky použitia klasifikátora alebo iného algoritmu. Použitím jednoduchej tabuľky na zobrazenie analytických výsledkov môže matica zmätku v podstate zredukovať vaše výstupy do prehľadnejšej perspektívy.
Matica zmätok používa na usporiadanie výsledkov špecifickú terminológiu. Existujú skutočné pozitíva a pravdivé negatívy, ako aj falošné pozitívy a falošné negatívy. Pre komplikovanejšiu maticu zámeny alebo maticu založenú na porovnávacej klasifikácii sa tieto hodnoty môžu zobraziť ako skutočné a predpovedané triedy pre dva odlišné objekty.
Bez ohľadu na sémantickú terminológiu sú výsledky zoskupené do štvorcovej (alebo obdĺžnikovej) tabuľky.
Toto zobrazenie analytikom uľahčuje pochopenie presnosti algoritmu pri klasifikácii výsledkov. (Prečítajte si nových generátorov, ktorí využívajú moderné algoritmy na práci na článku ASCII.)
Užitočnosť matice zámeny súvisí so zložitosťou projektov ML, ako aj so spôsobom, akým sú informácie formátované a dodávané používateľom. Predstavte si rad lineárnych výsledkov vrátane falošných pozitív, falošných negatívov, pravých pozitívov a pravých negatívov. (Prečítajte si strojové učenie 101.)
Užívateľ by musel všetky tieto lineárne výsledky zhrnúť do grafu, aby pochopil, ako algoritmus pracoval a ako bol presný. S maticou zmätenosti sú tieto informácie jednoducho prezentované v silnom vizuálnom modeli.
Predpokladajme napríklad, že stroj je povinný klasifikovať 20 obrázkov, z ktorých päť je ovocie a päť je zelenina. Ak matica zámeny obsahuje nasledujúci obsah (zľava hore v smere hodinových ručičiek): 7, 5, 3, 5, potom matica ukazuje, že sedem bolo správne identifikovaných ako zelenina, zatiaľ čo tri boli správne klasifikované ako ovocie.
Ďalších 10 reprezentovaných výsledkov sú výsledky, pri ktorých program nedokázal správne identifikovať obrázok.
Matica zámeny bude užitočná pri všetkých druhoch analytických metód ML. Pozorovaním tohto zdroja môžu používatelia zistiť, ako riešiť problémy, ako je napríklad rozmernosť a nadmerné vybavenie, a ďalšie spôsoby optimalizácie algoritmu.
