Klassifitseerimisvigude

Klassifitseerimisvigud viitavad olukordadele, kus masinõppe mudel teeb prognoosides vigu. Need vead tekivad sageli siis, kui mudelit treenitakse andmetega, mis ei esinda täielikult kõiki võimalikke stsenaariume, või kui mudeli keerukus ei ole piisav ülesande lahendamiseks.

Põhilised klassifitseerimisvead hõlmavad kahte tüüpi vigu: valepositiivseid ja valenegatiivseid tulemusi. Valepositiivne on olukord, kus mudel ennustab positiivset tulemust, kuigi tegelik tulemus on negatiivne. Näiteks, kui meditsiiniline test tuvastab haiguse, mida patsiendil tegelikult ei ole. Valenegatiivne on vastupidine olukord, kus mudel ennustab negatiivset tulemust, kuid tegelik tulemus on positiivne. Näiteks, kui sama meditsiiniline test ei suuda tuvastada haigust, mis patsiendil tegelikult on.

Klassifitseerimisvigude mõistmine on oluline mudeli jõudluse hindamisel ja parandamisel. Erinevaid mõõdikuid, nagu täpsus, tundlikkus (recall) ja spetsiifilisus, kasutatakse vigade kvantifitseerimiseks ja mudeli sobivuse hindamiseks konkreetsele ülesandele. Vigade vähendamiseks kasutatakse mitmeid tehnikaid, sealhulgas andmete eelkäsitlust, funktsioonide valikut ja mudeli parameetrite optimeerimist.