Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
de un Clasicador Evaluacion
logo
Introduccion
de un Clasicador Evaluacion
Indice
Introduccion Introduccion
de Modelos de Clasicacion Supervisada Evaluacion Introduccion de la probabilidad de clasicacion correcta Metodos de estimacion Brier score sensible al coste Evaluacion La curva ROC
logo
Introduccion
de un Clasicador Evaluacion
Indice
Introduccion Introduccion
de Modelos de Clasicacion Supervisada Evaluacion Introduccion de la probabilidad de clasicacion correcta Metodos de estimacion Brier score sensible al coste Evaluacion La curva ROC
logo
Introduccion Introduccion
de un Clasicador Evaluacion
OCR
Introduccion Introduccion
de un Clasicador Evaluacion
Bioinformatica
Introduccion Introduccion
de un Clasicador Evaluacion
Metereolog a
logo
Introduccion Introduccion
de un Clasicador Evaluacion
supervisada Clasicacion
logo
Introduccion
de un Clasicador Evaluacion
Indice
Introduccion Introduccion
de Modelos de Clasicacion Supervisada Evaluacion Introduccion de la probabilidad de clasicacion correcta Metodos de estimacion Brier score sensible al coste Evaluacion La curva ROC
logo
Introduccion Introduccion
de un Clasicador Evaluacion
CM Clase predicha
+ -
Medidas de merito
Tasa de acierto: Tasa de error:
a+d a+b+c +d c +b a+b+c +d a TP rate a+c d (especidad): b+d TN rate logo
de verdaderos positivos (sensibilidad): Proporcion de verdaderos negativos Proporcion de falsos positivos: Proporcion de falsos Proporcion
Introduccion Introduccion
de un Clasicador Evaluacion
CM Clase predicha
+ -
Medidas de merito
Precision:
TP TP +FP
100
1 ]1 Recall
Recall: TP rate
1 1 F-measure: [ 2 ( Precision +
Kappa:
de un Clasicador Evaluacion
Metodo no honesto
1 M = p N
(c (i ) = cM )
i =1
(i )
logo
de un Clasicador Evaluacion
1 M = p N N1
N N1 i =1
(c (N1 +i ) = cM 1
(N +i )
)
logo
de un Clasicador Evaluacion
M = p
1 B
i p
i =1
logo
de un Clasicador Evaluacion
M = p
1 k
i p
i =1
logo
de un Clasicador Evaluacion
a = p
1 B
X
B i =1
i ,a p
0 = p
1 B
X
B i =1
i ,0 p
logo
de un Clasicador Evaluacion
Consejos de uso
Sobre los distintos metodos Metodo H: utilizarlo con N grande Metodo H repetidas veces: no hay control sobre los casos usados como entrenamiento (testeo) basado en k rodajas (kfold cross Metodo de estimacion insesgada de la probabilidad de validation): estimacion acierto, pero con alta varianza 0,632 booststraping: insesgada en Metodo de estimacion el l mite y con baja varianza
logo
de un Clasicador Evaluacion
Brier score
X1 (1) x1 (2) x1 x1 1 N
(N ) N
Xn (1) xn (2) xn xn
(N )
C 1 0 ... 1
[p(CM = c |x (i ) ) (c (i ) , cM )]2
i =1 c =1
B=
0)2 + (0, 82 1)2 + (0,51 1)2 + (0,49 0)2 + ... + (0, 55 0)2 + (0,45 1)2 ]
logo
de un Clasicador Evaluacion
Brier score
para un clasicador que asigne, Medida de la calibracion probabilidades a posteriori a cada valor para cada patron, de la clase x es 0, se trata de Suponiendo que la clase real del patron distinguir: p(CM = 0|x ) = 0,51 y p(CM = 0|x ) = 0,97
Interesa clasicadores con bajo valor de Brier (bastante seguros en sus predicciones) Para problemas con 2 clases: 0 B 2
logo
de un Clasicador Evaluacion
logo
de un Clasicador Evaluacion
logo
de un Clasicador Evaluacion
logo
de un Clasicador Evaluacion
logo