Machine Learning: F-Maß < Künstl. Intelligenz < Praktische Inform. < Hochschule < Informatik < Vorhilfe
|
Status: |
(Frage) überfällig | Datum: | 19:35 Fr 19.03.2010 | Autor: | Wimme |
Hallo!
Für "Machine Learning" müssen wir die F-Maß (http://de.wikipedia.org/wiki/F-Maß) Werte 3er Lernalgorithmen berechnen.
Nun ist die Frage, ob man sagen kann, dass der Algorithmus der dabei die höchsten Werte erzielt generell der bessere Lernalgorithmus ist.
Nehmen wir diese Werte hier als Beispiel 1:
Alg. 1
F-Maß für 6 Klassen:
1.0000 0.8947 0.8125 0.9000 0.5882 0.8696
Schnitt Alg 1: 0.8442
Alg 2:
0.7619 0.9714 0.8000 1.0000 0.8421 0.9744
0.8916
Alg3
0.4242 1.0000 0.8824 1.0000 0.8235 0.9524
0.8471
Und als Beispiel 2:
Alg1
0.4000 1.0000 0.8485 0.9000 0.7368 0.8696
Average: 0.7925
Alg2
0.8235 0.9714 0.8824 1.0000 0.8421 0.9744
Average: 0.9156
Alg3
0.4242 0 0.8824 1.0000 0.8235 0.9524
Average: 0.6804
Was würdet ihr da für Aussagen treffen (abgesehen davon, dass man natürlich an einer Aufgabe nicht sehen kann ob ein Algorithmus GENERELL besser ist)?
Wie aussagekräftig ist das F1-Maß?
Bei Beispiel 1 ist ja kaum ein Unterschied im F-Maß festzustellen, bei Beispiel 2 jedoch schon. Muss das jetzt zwingend heißen Alg2 ist in Beispiel 2 stärker als die anderen Algs?
Ich hoffe ihr wisst worauf ich hinaus will. Die Frage hört sich so an, als wäre da ein Trick dabei, ich sehe aber nicht so richtig, was ich hier groß schreiben soll...
Vielen Dank!
|
|
|
|
Status: |
(Mitteilung) Reaktion unnötig | Datum: | 20:20 Mo 22.03.2010 | Autor: | matux |
$MATUXTEXT(ueberfaellige_frage)
|
|
|
|