Журнал «Современная Наука»

СРАВНЕНИЕ МЕТРИК БИНАРНОЙ КЛАССИФИКАЦИИ ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

Широкова Екатерина Васильевна (Кандидат физико-математических наук, доцент, Калужский филиал Московского Государственного Технического Университета имени Н.Э. Баумана )

В статье проводится сравнение различных метрик бинарной классификации для оценки эффективности алгоритмов машинного обучения. Рассматриваются различные подходы, такие как метод опорных векторов, метод деревьев решений, метод случайного леса и метод градиентного бустинга. Анализируются достоинства и недостатки метрик в случае сбалансированных и несбалансированных данных, а также приводятся примеры их реализации с помощью библиотеки Scikit-learn языка Python.

Ключевые слова:машинное обучение, классификация данных, дисбаланс классов.

Читать полный текст статьи …

Ссылка для цитирования:
Широкова Е. В. СРАВНЕНИЕ МЕТРИК БИНАРНОЙ КЛАССИФИКАЦИИ ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2025. -№02. -С. 164-169 DOI 10.37882/2223-2966.2025.02.40

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"