Ödev Nasıl Yapılır? – Ödev Yaptırma – Ödev Yaptırma Ücretleri – Tez Yaptırma – Ödev Yaptırma Fiyatları – Ücretli Ödev Yaptırma – Tez Yaptırma Ücretleri – Sunum Hazırlığı Yaptırma – Dergi Makalesi Yaptırma – Dergi Makalesi Yazdırma
Model Özeti
Model özeti, eğitimin sonuçları ve son ağın uzatma örneğine uygulanması hakkında bilgi görüntüler.
- Çıkış katmanı softmax etkinleştirme işlevini kullandığından çapraz entropi hatası görüntülenir. Bu, eğitim sırasında ağın en aza indirmeye çalıştığı hata işlevidir.
- Yanlış tahminlerin yüzdesi, sınıflandırma tablosundan alınır ve bu konuda daha ayrıntılı olarak tartışılacaktır.
- Tahmin algoritması, maksimum çağ sayısına ulaşıldığı için durduruldu. İdeal olarak, hata birleştiği için eğitim durmalıdır. Bu, eğitim sırasında bir şeylerin ters gidip gitmediği ve çıktıyı daha fazla incelerken akılda tutulması gereken bir şey olup olmadığı hakkında soruları gündeme getirir.
Sınıflandırma
Sınıflandırma tablosu, ağı kullanmanın pratik sonuçlarını gösterir. Her bir durum için, bu vakaların tahmin edilen sahte olasılığı 0,5’ten büyükse, tahmin edilen yanıt Evet’tir. Her numune için:
- Vakaların çapraz sınıflandırmasının köşegenindeki hücreler doğru tahminlerdir.
- Vakaların çapraz sınıflandırmasının köşegeninin dışındaki hücreler yanlış tahminlerdir.
Modeli oluşturmak için kullanılan vakalardan daha önce temerrüde düşen 124 kişiden 74’ü doğru sınıflandırılmıştır. 375 temerrüde düşmeyen kişiden 347’si doğru sınıflandırılmıştır. Genel olarak, model özet tablosunda gösterilen %15,6 yanlışlığa karşılık gelen eğitim vakalarının %84,4’ü doğru sınıflandırılmıştır. Daha iyi bir model, vakaların daha yüksek bir yüzdesini doğru bir şekilde tanımlamalıdır.
Modeli oluşturmak için kullanılan vakalara dayalı sınıflandırmalar, sınıflandırma oranlarının şişirilmesi anlamında fazla “iyimser” olma eğilimindedir. Uzatma örneği, modelin doğrulanmasına yardımcı olur; burada bu vakaların %74,6’sı model tarafından doğru bir şekilde sınıflandırılmıştır. Bu, genel olarak, modelinizin aslında yaklaşık dörtte üçünün doğru olduğunu gösteriyor.
Daha önce gerçekleştirilen lojistik regresyon analizini yeniden düşünen kredi görevlisi, eğitim ve uzatma örneklerinin benzer bir vaka yüzdesini, yaklaşık %80’i doğru bir şekilde tahmin ettiğini hatırlıyor.
Buna karşılık, sinir ağı, eğitim örneğinde daha yüksek bir doğru vaka yüzdesine sahipti; uzatma örneği, gerçekte temerrüde düşen müşterileri tahmin etmede çok daha kötü bir iş çıkardı (uzatma örneği için %45,8’e karşı eğitim örneği için %59,7). Model özet tablosunda bildirilen durdurma kuralıyla birleştiğinde, bu, ağın aşırı eğitim aldığından şüphelenmenize neden olur; yani, eğitim verilerinde rastgele varyasyonla ortaya çıkan sahte kalıpları kovalıyor.
Neyse ki, çözüm nispeten basit: ağın “yolda” kalmasına yardımcı olacak bir test örneği belirtin. Bölüm değişkenini, lojistik regresyon analizinde kullanılan eğitim ve uzatma örneklerini tam olarak yeniden oluşturacak şekilde oluşturduk; ancak, lojistik regresyonun “test” numunesi kavramı yoktur. Eğitim örneğinin bir kısmını alıp bir test örneğine yeniden atayalım.
Bu, 0’dan büyük olan bölüm değerlerini sıfırlar, böylece yaklaşık %20’si 0 değerini alır ve %80’i 1 değerinde kalır. eğitim örneğinde ve %14’ü test örneğinde olacaktır. Başlangıçta uzatma örneğine atanan müşteriler orada kalır.
Model özeti birkaç olumlu işaret gösteriyor:
- Yanlış tahminlerin yüzdesi, eğitim, test ve uzatma örneklerinde kabaca eşittir.
- Algoritmadaki bir adımdan sonra hata azalmadığı için tahmin algoritması durmuştur.
Bu ayrıca, orijinal modelin aslında aşırı eğitilmiş olabileceğini ve sorunun bir test örneği eklenerek çözüldüğünü düşündürür. Tabii ki, örneklem boyutları nispeten küçüktür ve belki de birkaç puanlık dalgalanmayı çok fazla okumamalıyız.
Sınıflandırma tablosu, sınıflandırma için sözde olasılık sınırı olarak 0,5 kullanıldığında, ağın varsayılan olmayanları tahmin etmede varsayılanlardan çok daha iyi olduğunu gösterir. Ne yazık ki, tek kesme değeri size ağın tahmin yeteneği hakkında çok sınırlı bir görüş sunar, bu nedenle rakip ağları karşılaştırmak için çok yararlı olmayabilir. Bunun yerine, ROC eğrisine bakın.
model summary analysis
İstatistiksel MODELLEME örnekleri
model summary interpretation
model summary in regression analysis
model summary regression
Basit Regresyon Analizi yorumlama
what is r square in model summary
r-squared in model summary
ROC Eğrisi
ROC eğrisi, bir dizi tablodan çok daha temiz ve daha güçlü olan tek bir grafikte tüm olası kesintiler için duyarlılığın ve özgüllüğün görsel bir görüntüsünü verir. Burada gösterilen grafik, biri Hayır kategorisi için ve diğeri Evet kategorisi için olmak üzere iki eğri görüntüler. Yalnızca iki kategori olduğundan eğriler, grafiğin sol üst köşesinden sağ alt köşeye doğru 45 derecelik bir çizgi (görüntülenmez) hakkında simetriktir.
Bu tablonun birleşik eğitim ve test örneklerine dayandığını unutmayın. Uzatma örneği için bir ROC grafiği oluşturmak üzere, dosyayı bölüm değişkeninde bölün ve kaydedilen tahmini sözde olasılıklar üzerinde ROC Eğrisi prosedürünü çalıştırın.
Eğrinin altındaki alan, ROC eğrisinin sayısal bir özetidir ve tablodaki değerler, her bir kategori için, o kategoride olma tahmini sözde olasılığının, o kategoride rastgele seçilen bir vaka için olduğundan daha yüksek olma olasılığını temsil eder.
Örneğin, rastgele seçilmiş temerrüt eden ve rastgele seçilen temerrüt etmeyen için, model tarafından tahmin edilen sözde temerrüt olasılığının temerrüde düşen için temerrüde düşmeyenden daha yüksek olacağına dair 0,853 olasılık vardır.
Eğrinin altındaki alan, ağın doğruluğunun yararlı bir tek istatistik özeti olsa da, müşterilerin sınıflandırıldığı belirli bir kriter seçebilmeniz gerekir. Tahmin edilen gözlemlenen grafik, bu süreçte görsel bir başlangıç sağlar.
Gözleme Göre Tahmin Tablosu
Kategorik bağımlı değişkenler için, gözlemlenen tahmin tablosu, birleştirilmiş eğitim ve test örnekleri için tahmin edilen sözde olasılıkların kümelenmiş kutu grafiklerini görüntüler. X ekseni, gözlemlenen yanıt kategorilerine karşılık gelir ve açıklama, tahmin edilen kategorilere karşılık gelir.
En soldaki kutu grafiği, kategori No’yu gözlemleyen durumlar için, kategori No’nun tahmin edilen sözde olasılığını gösterir. Kutu grafiğinin y ekseni üzerindeki 0,5 işaretinin üzerindeki kısmı, sınıflandırma tablosunda gösterilen doğru tahminleri temsil eder. 0,5 işaretinin altındaki kısım yanlış tahminleri temsil eder. Sınıflandırma tablosundan, ağın 0,5 kesmeyi kullanarak Hayır kategorisine sahip vakaları tahmin etmede çok iyi olduğunu, bu nedenle alt bıyığın yalnızca bir kısmının ve bazı aykırı vakaların yanlış sınıflandırıldığını unutmayın.
Sağdaki bir sonraki kutu grafiği, Hayır kategorisini gözlemleyen vakalar için, Evet kategorisinin tahmini sözde olasılığını gösterir. Hedef değişkende yalnızca iki kategori olduğundan, ilk iki kutu grafiği 0,5’te yatay çizgi etrafında simetriktir.
Üçüncü kutu grafiği, Evet kategorisini gözlemleyen durumlar için, kategori Hayır’ın tahmin edilen sözde olasılığını gösterir. O ve son kutu grafiği, 0,5’teki yatay çizgi etrafında simetriktir.
Son kutu grafiği, Evet kategorisini gözlemleyen durumlar için, Evet kategorisinin tahmin edilen sözde olasılığını gösterir. Kutu grafiğinin y eksenindeki 0,5 işaretinin üzerindeki kısmı, sınıflandırma tablosunda gösterilen doğru tahminleri temsil eder. 0,5 işaretinin altındaki kısım yanlış tahminleri temsil eder. Sınıflandırma tablosundan, ağın 0,5 kesmeyi kullanarak Evet kategorisine sahip vakaların yarısından biraz fazlasını tahmin ettiğini unutmayın, bu nedenle kutunun büyük bir kısmı yanlış sınıflandırılmıştır.
Arsaya bakıldığında, bir durumu Evet olarak sınıflandırmak için kesme sınırını 0,5’ten yaklaşık 0,3’e düşürerek – bu kabaca ikinci kutunun üst kısmı ile dördüncü kutunun alt kısmının olduğu değerdir. Şansınızı artırabilirsiniz. birçok potansiyel iyi müşteriyi kaybetmeden müstakbel temerrüde düşenleri doğru bir şekilde yakalamak gerekir.
Yani, ikinci kutu boyunca 0,5’ten 0,3’e hareket etmek, bıyık boyunca temerrüde düşmeyen görece az sayıda müşteriyi yanlış bir şekilde tahmini temerrüde düşenler olarak yeniden sınıflandırırken, dördüncü kutu boyunca, bu hareket, kutu içindeki birçok temerrüde düşen müşteriyi tahmin edilen temerrüde düşenler olarak doğru bir şekilde yeniden sınıflandırır.
“odev.yaptırma.com.tr“ ailesi olarak size her konuda destek sunabiliriz. Tek yapmanız gereken iletişim adreslerimizden bizlere ulaşmak!
Tüm alanlara özgü, literatür taraması yaptırma, simülasyon yaptırma, analiz yaptırma, çeviri yaptırma, makale ödevi yaptırma, dergi makalesi yaptırma, sunum ödevi yaptırma ve model oluşturma çalışmaları yapmaktayız.
