การวัดประสิทธิภาพ

การวัดประสิทธิภาพ การวัดประสิทธิภาพของโครงข่ายประสาทเทียม เป็นการวัดประสิทธิภาพของ Model ที่ได้จากขั้นตอนการสร้างโครงข่าย ซึ่งสามารถแบ่งขั้นตอนย่อยได้ ดังนี้ Cross-Validation Confusion Matrix

การวัดประสิทธิภาพ Cross-Validation การนำข้อมูลเข้ามาเพื่อใช้ในการสอน โดยการนำข้อมูลเข้านั้นจะต้องแยกข้อมูลบางส่วนออกก่อนที่จะเริ่มทำการสอน และใช้ข้อมูลที่แยกออกมานั้นใช้ในการทดสอบ โดย Cross-Validation มีหลายวิธี ตัวอย่างเช่น Holdout Method K-fold Cross Validation

หลักการของ Cross-validation แบบ Holdout Method การวัดประสิทธิภาพ Holdout Method ชุดข้อมูลจะถูกแบ่งเป็นสองชุด คือ ชุดการสอน (Training Set) และ ชุดทดสอบ (Testing Set) ข้อดีของวิธีนี้คือ สามารถประเมินข้อมูลชุดใหญ่ในเวลาที่ไม่นาน Data Train Data Test หลักการของ Cross-validation แบบ Holdout Method

การวัดประสิทธิภาพ K-fold Cross Validation ชุดข้อมูลจะถูกแบ่งออกเป็นส่วนย่อย ๆ และวิธี Holdout Method จะถูกแบ่งออกเป็น K ครั้ง โดยที่แต่ละครั้ง ใน K ส่วนย่อยจะใช้เป็นชุดทดสอบ และที่เหลือ K-1 ครั้ง ความแตกต่างของผลการประเมินจะลดลงเมื่อค่า K เพิ่มขึ้น ซึ่งข้อเสียของวิธีนี้คือ การสอนจะทำการประมวลผลใหม่ทั้งหมด K ครั้ง ซึ่งหมายถึงต้องทำการคำนวณ K หลักการของ Cross-validation แบบ K-fold Cross-validation (K=3)

การวัดประสิทธิภาพ

การวัดประสิทธิภาพ 99 ตัว 90 ตัว 80 ตัว . . . 69 ตัว

การวัดประสิทธิภาพ 99 ตัว Data Training Data Testing

การวัดประสิทธิภาพ 99 ตัว Data Training Data Testing Data Training

การวัดประสิทธิภาพ 99 ตัว Data Testing Data Training

ตาราง Confusion Matrix การวัดประสิทธิภาพ Confusion Matrix เป็นการเก็บข้อมูลที่เกี่ยวกับการแบ่งแยกข้อมูลจริง กับข้อมูลที่เกิดจากการทำนาย ด้วยระบบการแบ่งแยก (Classification System) เช่น การหาค่าข้อมูลแบบธรรมดาในแมทริก ดังตารางที่แสดงของ Confusion Matrix ซึ่งมีด้วยกัน 2 ระดับ ตาราง Confusion Matrix

ตาราง Confusion Matrix การวัดประสิทธิภาพ จากตาราง Confusion Matrix มีความหมายดังนี้ ค่า a เป็นตัวเลขที่ถูกต้องจากการทำนาย ค่า b เป็นตัวเลขที่ไม่ถูกต้องจากการทำนาย ค่า c เป็นตัวเลขที่ไม่ถูกต้องจากการทำนาย ค่า d เป็นตัวเลขที่ถูกต้องจากการทำนาย ตาราง Confusion Matrix

การวัดประสิทธิภาพ A B C ข้อมูลจริง ข้อมูลทำนาย ตัวอย่าง การวัดประสิทธิภาพแบบ Confusion Matrix ให้ข้อมูลที่จะนำไปทดสอบ ประกอบด้วย A 10 ตัว B 10 ตัว C 10 ตัว ข้อมูลทำนาย ข้อมูลจริง A B C 10

การวัดประสิทธิภาพ A B C ข้อมูลจริง ข้อมูลทำนาย เมื่อนำข้อมูลเข้าไปทำการ Testing แล้วจะได้ ข้อมูลทำนาย ข้อมูลจริง A B C 7 2 1 10 9 8

การวัดประสิทธิภาพ A B C ข้อมูลจริง ข้อมูลทำนาย 7 2 1 10 9 8 ความถูกต้อง 7 2 1 10 9 8

ข้อมูลทำนาย A B C ความผิดพลาด ข้อมูลจริง 7 2 1 10 9 8