یکی از روش‌های ارزیابی جذاب که می‌شه اطلاعات خوبی رو ازش استخراج کرد و در مورد خطاهای مدل هوشمندمون بهتر مطلع بشیم ایجاد ماتریس درهم‌ریختگیه! می‌تونیم این ماتریس رو به عنوان یه توسعه از معیار صحبت بدونیم. چونکه علاوه بر معیار صحبت کلی اطلاعات دیگه که در ویدیوهای بعدی می‌گیم بهمون میده! در این ویدیو مفهوم ماتریس درهم‌ریختگی رو با مثال‌های ساده مطرح کردیم. از قابلمه روو اجاق تا نتیجه آزمایش بیمار! 
در این ویدیو هدفمون رو گذاشتیم بر روی مسائل دو کلاسه یا باینری، دیدیم که چه موقع به یک کلاس مثبت می‌تونیم بگیم و چه موقعی منفی. البته این رو هم در ویدیو بهش اشاره شد که مثبت و منفی رو طراح سامانه هوشمند مشخص می‌کنه! بعد از زدن مثال‌های مختلف ماتریس درهم‌ریختگی رو با چهار آیتم True Positive، True Negative، False Positive و False Negative نمایش دادیم و به نوعی یک نگاشت از مثال سادمون (قابلمه!) به این مفاهیم یادگیری ماشینی داشتیم.


تمرین

  • در صورتیکه مسئله ما چندکلاسه باشه ماتریس درهم‌ریختگی به چه صورت هست؟ چه اطلاعاتی می‌توان از این ماتریس در شرایط چندکلاسه استخراج کرد؟


پیشنیاز

مدرس: ایمان خانی جزنی [محقق و مدیر هوش مصنوعی]