মাল্টিলেবল ডেটার নির্ভুলতার জন্য পরিমাপ কী?

এমন একটি দৃশ্যের বিষয়ে বিবেচনা করুন যেখানে আপনাকে জ্ঞাত লেবেল ম্যাট্রিক্স এবং প্রেডিক্টেড লেবেল ম্যাট্রিক্স সরবরাহ করা হয়েছে। আমি জ্ঞাতলাবেল ম্যাট্রিক্সের বিপরীতে প্রেডিক্টেড লেবেল ম্যাট্রিক্সের সদ্ব্যবহার পরিমাপ করতে চাই।

তবে এখানে চ্যালেঞ্জটি হ'ল জ্ঞাতলাবেল ম্যাট্রিক্সের কয়েকটি সারি মাত্র একটি 1 এবং অন্য কয়েকটি সারিটিতে অনেকগুলি 1 টি থাকে (সেই উদাহরণগুলি মাল্টি লেবেলযুক্ত)। নীচে জ্ঞাতলাবেল ম্যাট্রিক্সের উদাহরণ দেওয়া আছে।

A =[1 0 0 0
    0 1 0 0
    0 1 1 0
    0 0 1 1
    0 1 1 1]

উপরের ম্যাট্রিক্সে ডেটা উদাহরণ 1 এবং 2 হ'ল একক লেবেল ডেটা, ডেটা উদাহরণ 3 এবং 4 দুটি লেবেল ডেটা এবং ডেটা উদাহরণ 5 হ'ল তিনটি লেবেল ডেটা।

এখন আমার কাছে একটি অ্যালগোরিদম ব্যবহার করে ডেটা ইনস্ট্যান্সের প্রেডিক্টেড লেবেল ম্যাট্রিক্স রয়েছে।

আমি বিভিন্ন পরিমাপ জানতে চাই যা জ্ঞাতলাবেল ম্যাট্রিক্সের বিপরীতে প্রেডিক্টেড লেবেল ম্যাট্রিক্সের মঙ্গলভাব পরিমাপ করতে ব্যবহার করা যেতে পারে।

আমি তাদের মধ্যে একটি হিসাবে পরিমিত হিসাবে frobeinus আদর্শ পার্থক্য ভাবতে পারেন। তবে আমি নির্ভুলতার মতো পরিমাপের সন্ধান করছি $(= \frac{\text{Correctly_predicted_instance}}{\text{total_instance}})$

এখানে আমরা একাধিক ডেটা উদাহরণের জন্য কীভাবে সংজ্ঞায়িত করতে পারি ? $\rm Correctly\_predicted$

machine-learning data-mining multilabel

— শিক্ষার্থী
সূত্র

(+1) সিডিনোট: এমন কোনও নির্দিষ্ট কারণ আছে যা আপনি আপনার বেশিরভাগ প্রশ্নের উত্তর স্বীকার করেন নি? প্রদত্ত উত্তরটি আপনার সমস্যার সমাধান না করলে আপনি কেন কোনও মন্তব্য পোস্ট করেননি? উদাহরণস্বরূপ: stats.stackexchange.com/Qestions/9947/…

— স্টিফেন

উত্তর:

(1) একটি সুন্দর ওভারভিউ দেয়:

উইকিপিডিয়া পৃষ্ঠা এন বহু-ট্যাগ শ্রেণীবিন্যাস মূল্যায়ন মেট্রিক্স উপর একটি অধ্যায় পাশাপাশি রয়েছে।

আমি একটি সতর্কতা যুক্ত করব যে মাল্টিলেবেল সেটিংয়ে যথার্থতাটি অস্পষ্ট: এটি সঠিক মিলের অনুপাত বা হামিং স্কোরকে বোঝায় (এটি দেখুন) পোস্টটি দেখুন )। দুর্ভাগ্যক্রমে, অনেক কাগজপত্র "নির্ভুলতা" শব্দটি ব্যবহার করে।

(১) সোভারার, মোহাম্মদ এস। " মাল্টি-লেবেল শেখার জন্য অ্যালগরিদম সম্পর্কিত একটি সাহিত্য জরিপ। " ওরেগন স্টেট বিশ্ববিদ্যালয়, করভালিস (২০১০) 2010

— ফ্রাঙ্ক ডারনকোর্ট
সূত্র

এই সংজ্ঞাগুলি যথার্থতা এবং পুনর্বিবেচনার সাধারণ সংজ্ঞাগুলির বিরুদ্ধে যায়? আমি সর্বদা পড়েছি যে নির্ভুলতা টিপি + এফপি দ্বারা বিভক্ত হওয়া উচিত এবং প্রত্যাহারটি টিপি + এফএন দ্বারা ভাগ করা উচিত (এখানে প্রস্তাবিত সংজ্ঞাগুলি যদি আমি ভালভাবে বুঝতে পারি তবে বিপরীতে এটি করা উচিত)।

— টম্যাসন্যে

Y_{i} \in Y = {0, 1}^{k}

$Y_i \in \mathcal{Y} = \{0, 1\}^k$

i

$i$

Z_{i} = h (x_{i}) = {0, 1}^{k}

$Z_i = h(\mathbf{x}_i) = \{0, 1\}^k$

h

$h$

Y_{i}

$Y_i$

Z_{i}

$Z_i$

জন্য accuracyপরিমাপ, কিভাবে আপনি এইরূপ সূচারূভাবে মামলা হ্যান্ডেল করবেন যেখানে হর |Y + Z| == 0?

— ইহাদানী

@ টমাস্যনি পাঠ্য সংজ্ঞা (সূত্র নয়) উল্লেখ করছেন, যা চারদিকে পরিবর্তিত বলে মনে হয়।

— নারফানর

এবং এই এপি সংজ্ঞাটি আরও এমএপি (মানে এপি) এর মতো দেখাচ্ছে, না? 'যথাযথতা' হিসাবে যাকে উল্লেখ করা হয় তা হ'ল গড় আইওইউ। পদগুলি সামগ্রিকভাবে কিছুটা বিভ্রান্তিকর।

— নারফানর

হামিং লস সম্ভবত মাল্টি-লেবেল শ্রেণিবদ্ধকরণে সর্বাধিক ব্যবহৃত ক্ষতির কাজ।

কটাক্ষপাত আছে মাল্টি লেবেল ক্লাসিফিকেশন উপর গবেষণামূলক চর্চা এবং একটি সংক্ষিপ্ত চিত্র: মাল্টি লেবেল ক্লাসিফিকেশন , এই দুই ধরনের এই আলোচনা।

— TDC
সূত্র

Correctly Predictedপ্রস্তাবিত লেবেলের সেট এবং প্রত্যাশিত সেটটির মধ্যবর্তী ছেদটি। Total Instancesউপরের সেটগুলির ইউনিয়ন (কোনও সদৃশ গণনা নেই)।

সুতরাং এমন একক উদাহরণ দেওয়া হয়েছে যেখানে আপনি ক্লাসের পূর্বাভাস দিয়েছেন A, G, Eএবং পরীক্ষার ক্ষেত্রে E, A, H, Pসঠিক হিসাবে আপনি শেষ করেছেন hasAccuracy = Intersection{(A,G,E), (E,A,H,P)} / Union{(A,G,E), (E,A,H,P)} = 2 / 5

— মার্সেলাস ওয়ালেস
সূত্র