Промышленные автоматизированные системы /Automation of construction production and building materials industry

Ошибка среднеквадратическая (RMSE)— это показатель, используемый для оценки эффективности регрессионной модели путем вычисления квадратного корня из среднего квадрата разницы между прогнозируемыми и фактическими значениями. Пример:

Ошибка абсолютная, средняя (MAE) — это показатель, используемый для оценки эффективности регрессионной модели путем вычисления среднего значения абсолютных различий между прогнозируемыми и фактическими значениями. Пример.

Отзыв — это показатель, используемый для оценки эффективности модели классификации путем измерения доли истинно положительных результатов среди всех фактических положительных результатов. Пример: отзыв используется для

Показатель F1 — это показатель, используемый для оценки эффективности модели классификации путем получения гармонического среднего значения точности и полноты. Пример. Оценка F1 используется для анализа

Площадь под кривой (AUC) — это показатель, используемый для оценки производительности модели бинарной классификации путем вычисления площади под кривой рабочей характеристики приемника (ROC). Пример: AUC

Характеристика приемника, рабочая — ROC представляет собой кривую, показывающую компромисс между истинно положительными показателями и ложноположительными показателями для различных пороговых значений классификации двоичного классификатора. Пример:

Матрица путаницы — это таблица, в которой показано количество истинных срабатываний, ложноположительных, истинных отрицательных и ложноотрицательных результатов модели классификации. Пример. Матрица путаницы используется в анализе

Импульс — метод импульса используется для повышения скорости сходимости алгоритмов оптимизации за счет добавления части предыдущего обновления к текущему обновлению. Пример: Momentum используется в SGD,

Скорость обучения — это гиперпараметр, определяющий размер шага алгоритма оптимизации во время обучения. Пример: скорость обучения используется в алгоритмах стохастического градиентного спуска, обратного распространения и

Спуск стохастический градиентный (SGD)  — это алгоритм оптимизации, используемый для обновления параметров модели путем выполнения небольших шагов в направлении отрицательного градиента функции потерь. Пример: SGD