ข้ามไปที่เนื้อหาหลัก
ไปที่หน้าแดชบอร์ด
หากไม่แน่ใจว่าจะเริ่มจากตรงไหน ลองทำแบบทดสอบสั้นๆ เพื่อรับคำแนะนำที่ปรับให้เหมาะกับคุณ
บทเรียนที่ 6 จาก 7
ประเมินและทดสอบ
Hands-on Machine Learning
Google Cloud AutoML Vision
การเตรียมข้อมูล
check_box_outline_blank Hands-on Machine Learning: Take the Quiz
หลักสูตร
0% เสร็จสิ้น
5 นาที บทเรียนที่ต้องศึกษาต่อ

ประเมินและทดสอบ

image9_2.png
วิธีตีความผลลัพธ์ของรูปแบบและประเมินประสิทธิภาพ
image9_2.png

ความแม่นยำและการจำได้

image9_1.png

เมื่อฝึกรูปแบบของเราแล้ว คุณจะเห็นบทสรุปประสิทธิภาพของรูปแบบพร้อมคะแนน “ความแม่นยำ” และ “การจำได้” 



“ความแม่นยำ” บอกเราว่ามีรูปภาพเป็นสัดส่วนเท่าใดที่รูปแบบระบุว่าเป็นบวก โดยที่ควรจัดหมวดหมู่เช่นนั้นจริงๆ กลับกัน “การจำได้” บอกเราว่ามีสัดส่วนของรูปภาพที่เป็นบวกจริงๆ เท่าใด ที่มีการระบุอย่างถูกต้องว่าเป็นบวก



รูปแบบของเราทำได้ดีทั้งสองหมวดหมู่ โดยได้คะแนนเกิน 97% มาดูรายละเอียดเพิ่มเติมกันว่าหมายถึงอะไร


image9_1.png

ประเมินประสิทธิภาพของรูปแบบ

คลิก "Evaluate" ที่เมนูด้านบนสุด แล้วมาสำรวจอินเทอร์เฟซกัน อันดับแรก อินเทอร์เฟซแสดงให้เราให้เห็นคะแนนความแม่นยำและการจำได้อีกครั้ง ในกรณีของเรา คะแนนความแม่นยำบอกเราว่า 97% ของรูปภาพที่ใช้ทดสอบที่รูปแบบระบุว่าเป็นตัวอย่างการทำเหมืองอำพัน แสดงร่องรอยการทำเหมืองอำพันจริงๆ 




กลับกัน คะแนนการจำได้บอกเราว่ารูปแบบติดป้ายกำกับให้รูปภาพที่ใช้ทดสอบซึ่งแสดงตัวอย่างการทำเหมืองอำพันได้ถูกต้องถึง 97% 


Confidence threshold คือระดับความมั่นใจที่รูปแบบต้องมีเพื่อจะกำหนดป้ายกำกับ ยิ่งระดับต่ำเท่าใด รูปแบบจะจัดประเภทรูปภาพจำนวนมากขึ้นเท่านั้น แต่จะมีความเสี่ยงสูงขึ้นที่จะจัดประเภทบางรูปภาพผิด


ถ้าคุณต้องการเจาะลึกยิ่งขึ้นและสำรวจเส้นโค้งความแม่นยำและการจำได้ โปรดดูตามลิงก์ในอินเทอร์เฟซเพื่อเรียนรู้เพิ่มเติม 

ค่าบวกและค่าลบที่เป็นเท็จ

ถัดไป มาดู Confusion Matrix กัน ยิ่งคะแนนสูงในส่วนพื้นหลังสีฟ้า รูปแบบยิ่งมีประสิทธิภาพดี ในตัวอย่างนี้คะแนนดีมาก 




รูปแบบสามารถจำแนกรูปภาพทั้งหมดที่ควรได้ป้ายกำกับเป็นลบ (ไม่มีการทำเหมืองอำพัน) ทั้งยังจำแนกและติดป้ายกำกับให้รูปภาพ 82% ที่มีร่องรอยการทำเหมืองอำพันได้อย่างถูกต้อง


เราไม่มีค่าบวกที่เป็นเท็จเลย หมายความว่าไม่มีรูปภาพใดที่ได้ป้ายกำกับผิดว่าเป็นตัวอย่างการทำเหมืองอำพัน และมีค่าลบที่เป็นเท็จเพียง 12% คือรูปภาพที่แสดงร่องรอยการทำเหมืองอำพันแต่รูปแบบจำแนกไม่สำเร็จ


ซึ่งเป็นสิ่งที่ดีสำหรับจุดประสงค์ในการสืบเรื่องราวของเราเกี่ยวกับการทำเหมืองอำพันผิดกฎหมาย การพลาดตัวอย่างที่เป็นบวกบางตัวอย่างยังดีกว่านำรูปภาพการทำเหมืองอำพันมาเป็นหลักฐานทั้งที่ความจริงแล้วไม่ได้ปรากฏเช่นนั้น


คลิกตัวกรองด้านซ้ายหากคุณต้องการดูว่ารูปภาพใดที่รูปแบบจัดประเภทได้ถูกต้องหรือจัดผิด


ยังไม่มั่นใจใช่ไหมว่าคุณจะเชื่อรูปแบบได้หรือไม่ เมื่อคลิก “Test & Use” คุณจะสามารถอัปโหลดภาพถ่ายดาวเทียมใหม่ๆ ที่มีหรือไม่มีร่องรอยการทำเหมืองอำพันได้ เพื่อดูว่ารูปแบบติดป้ายกำกับถูกต้องหรือไม่

ทดสอบและฝึกอีกครั้ง

image29_2.png

มีสิ่งที่ต้องพิจารณาอีกเล็กน้อยก่อนเราจะสรุป



คุณอาจสงสัยว่าในเมื่อเราเริ่มต้นด้วยการบอกคำตอบที่ถูกต้องทั้งหมด แล้วรูปแบบตอบผิดบางข้อได้อย่างไร ถ้าคุณสงสัย คุณอาจจะอยากทบทวนการแยกชุดข้อมูลสำหรับฝึก ตรวจสอบความถูกต้อง และทดสอบ ที่ได้อธิบายไว้ในบทเรียนก่อนหน้า



สำหรับตัวอย่างนี้ รูปแบบจัดประเภทรูปภาพเกือบทั้งหมดได้อย่างถูกต้อง แต่อาจไม่เป็นเช่นนั้นเสมอไป ถ้าคุณไม่พอใจประสิทธิภาพของรูปแบบของคุณ คุณสามารถอัปเดตและปรับปรุงชุดข้อมูลแล้วฝึกรูปแบบซ้ำอีกครั้งได้เสมอ คุณสามารถวิเคราะห์อย่างรอบคอบว่ามีอะไรผิดพลาดในการย่ำครั้งแรก และอาจจะเพิ่มรูปภาพคล้ายกับที่รูปแบบจัดประเภทผิดอีกในชุดสำหรับฝึก



สำหรับมนุษย์แล้ว การเรียนรู้เป็นกระบวนการซ้ำๆ


image29_2.png
ยินดีด้วย คุณทำสำเร็จแล้ว ประเมินและทดสอบ in progress
Recommended for you
คุณจะให้คะแนนบทเรียนนี้อย่างไร
ความคิดเห็นของคุณจะช่วยให้เราปรับปรุงบทเรียนได้อย่างต่อเนื่อง
Leave and lose progress?
By leaving this page you will lose all progress on your current lesson. Are you sure you want to continue and lose your progress?