Как оценить эффективность нейронной сети?

Для оценки эффективности нейронной сети используют различные метрики, выбор которых зависит от типа задачи и конкретных требований к решению. dnevniknauki.ru Некоторые из них:

• Правильность (Accuracy). dnevniknauki.ru Показывает, как много объектов правильно классифицированы нейронной сетью. dnevniknauki.ru Вычисляется как отношение числа правильно классифицированных объектов к общему числу объектов в выборке. dnevniknauki.ru
• Точность (Precision). dnevniknauki.ru Показывает, как много из выбранных нейронной сетью объектов действительно принадлежат к данному классу. dnevniknauki.ru Вычисляется как отношение числа правильно классифицированных объектов данного класса к общему числу выбранных объектов. dnevniknauki.ru
• Полнота (Recall). dnevniknauki.ru Показывает, как много объектов класса были правильно классифицированы нейронной сетью. dnevniknauki.ru Вычисляется как отношение числа правильно классифицированных объектов данного класса к общему числу объектов данного класса в выборке. dnevniknauki.ru
• F1-метрика (F1-score). dnevniknauki.ru Является гармоническим средним между точностью и полнотой. dnevniknauki.ru

Также для оценки эффективности нейронной сети используют матрицу ошибок (confusion matrix). habr.com dnevniknauki.ru Каждая строка матрицы соответствует реальному классу объекта, а каждый столбец — предсказанному. dnevniknauki.ru Значение в каждой ячейке матрицы показывает количество объектов, отнесённых к соответствующей паре классов. dnevniknauki.ru

Кроме того, эффективность нейронной сети оценивают на валидационных и тестовых данных. 4brain.ru Валидационные данные не участвовали в процессе обучения, а тестовые позволяют определить, насколько хорошо нейронная сеть справляется с новыми, ранее неизвестными данными. 4brain.ru