Mengevaluasi Akurasi Model - Amazon Machine Learning

Kami tidak lagi memperbarui layanan Amazon Machine Learning atau menerima pengguna baru untuk itu. Dokumentasi ini tersedia untuk pengguna yang sudah ada, tetapi kami tidak lagi memperbaruinya. Untuk informasi selengkapnya, lihat Apa itu Amazon Machine Learning.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengevaluasi Akurasi Model

Tujuan dari model ML adalah untuk mempelajari pola yang menggeneralisasi dengan baik untuk data yang tidak terlihat, bukan hanya menghafal data yang ditampilkan selama pelatihan. Setelah Anda memiliki model, penting untuk memeriksa apakah model Anda berkinerja baik pada contoh tak terlihat yang belum Anda gunakan untuk melatih model. Untuk melakukan ini, Anda menggunakan model untuk memprediksi jawaban pada kumpulan data evaluasi (data yang dipegang) dan kemudian membandingkan target yang diprediksi dengan jawaban sebenarnya (kebenaran dasar).

Sejumlah metrik digunakan dalam ML untuk mengukur akurasi prediktif suatu model. Pilihan metrik akurasi tergantung pada tugas ML. Penting untuk meninjau metrik ini untuk memutuskan apakah model Anda berkinerja baik.