Модел жакшы же жаман экенин кантип түшүнсө болот? Канча метрикалар бар жана алар эмне мааниге ээ?

Моделдин сапатын баалоо иштин (кластерлөө, регрессия жана башка) жана максаттарга жараша болот. Негизги көрсөткүчтөр:

Иштин кластерлөө үчүн:

• Тууралык (Accuracy) — жалпы болжолдордун ичинен туура келгендердин пайызы. Тең салмактуу класстар үчүн ылайыктуу.
• Далилдүүлүк (Precision) — болжолдонгон оң натыйжалардын ичинен чын оң натыйжалардын пайызы.
• Эскерүү (Recall) — чын оң натыйжалардын ичинен туура табылгандар.
• F1-score — далилдүүлүк жана эскертүүнүн гармоник орточо мааниси, экөөнү тең салмактуу кылат.
• ROC-AUC — ROC графигинин аянты, класстарды бөлүү сапатын көрсөтөт.

Регрессия иштери үчүн:

• MSE (Орточо квадратик каталар) — чоң айырмачылыктарга сезимтал.
• MAE (Орточо абсолюттук каталар) — чыгыштарга туруктуу.
• R² (Тасвир коэффициенти) — моделдин өзгөрмөчүлүктү канчалык түшүндүрө алат.

Жакшы модель — бул тест топтомунда (сынакта) сапат метрикалары жогору көрсөткүчтөрдү көрсөтүп турган (мисалы, классификация үчүн жогорку тактык жана F1, регрессия үчүн төмөн каталар) жана гана үйрөнүү топтомунда эмес, ашыкча үйрөнүүнү алдын алуу үчүн, жогорку натыйжалар көрсөтүп турган. Ошондой эле, бизнес контекстин жана метрикалардын ортосундагы балансын эске алуу маанилүү (мисалы, кээде, толуктык маанилүү, тактыкка караганда).