Accuracy, Precision, Recall, F1 Score এর ধারণা

মেশিন লার্নিং এবং ডেটা বিশ্লেষণের ক্ষেত্রে মডেলের কার্যকারিতা পরিমাপ করার জন্য বিভিন্ন মেট্রিক্স ব্যবহার করা হয়। Accuracy, Precision, Recall, এবং F1 Score হল সবচেয়ে সাধারণভাবে ব্যবহৃত মেট্রিক্স, যা মূলত ক্লাসিফিকেশন মডেলের পারফরম্যান্স বিশ্লেষণের জন্য ব্যবহৃত হয়। নিচে এই চারটি মেট্রিক্সের বিস্তারিত আলোচনা করা হলো।

Accuracy, Precision, Recall, F1 Score এর ধারণা

মেশিন লার্নিং এবং ডেটা বিশ্লেষণের ক্ষেত্রে মডেলের কার্যকারিতা পরিমাপ করার জন্য বিভিন্ন মেট্রিক্স ব্যবহার করা হয়। Accuracy, Precision, Recall, এবং F1 Score হল সবচেয়ে সাধারণভাবে ব্যবহৃত মেট্রিক্স, যা মূলত ক্লাসিফিকেশন মডেলের পারফরম্যান্স বিশ্লেষণের জন্য ব্যবহৃত হয়। নিচে এই চারটি মেট্রিক্সের বিস্তারিত আলোচনা করা হলো।

১. Accuracy (সঠিকতা)

সংজ্ঞা: Accuracy হল সঠিক পূর্বাভাসের অনুপাত। এটি মডেলের সঠিকভাবে শ্রেণীবদ্ধ করা সব উদাহরণের সংখ্যা নির্ধারণ করে।

ফর্মুলা:

যেখানে:

• TP = True Positives (সঠিক ইতিবাচক)
• TN = True Negatives (সঠিক নেতিবাচক)
• FP = False Positives (ভুল ইতিবাচক)
• FN = False Negatives (ভুল নেতিবাচক)

উদাহরণ: যদি 100টি উদাহরণের মধ্যে 90টি সঠিকভাবে শ্রেণীবদ্ধ হয়, তাহলে Accuracy হবে 90%।

২. Precision (নিপুণতা)

সংজ্ঞা: Precision হল সঠিক ইতিবাচক পূর্বাভাসের অনুপাত, যা মডেল দ্বারা ইতিবাচক হিসেবে শ্রেণীবদ্ধ করা সমস্ত উদাহরণের মধ্যে সঠিক ইতিবাচক সংখ্যা নির্দেশ করে।

ফর্মুলা:

উদাহরণ: যদি মডেল 30টি ইতিবাচক পূর্বাভাস করে এবং তাদের মধ্যে 20টি সত্যিই ইতিবাচক হয়, তাহলে Precision হবে 2030=0.67\frac{20}{30} = 0.673020​=0.67 বা 67%।

Recall (স্মৃতিশক্তি)

সংজ্ঞা: Recall হল প্রকৃত ইতিবাচকগুলির মধ্যে সঠিক ইতিবাচক পূর্বাভাসের অনুপাত। এটি মডেল কতটা কার্যকরীভাবে ইতিবাচক উদাহরণ চিহ্নিত করছে তা নির্দেশ করে।

উদাহরণ: যদি 40টি প্রকৃত ইতিবাচক উদাহরণ থাকে এবং মডেল 30টি সঠিকভাবে চিহ্নিত করে, তাহলে Recall হবে 3040=0.75\frac{30}{40} = 0.754030​=0.75 বা 75%।

৪. F1 Score

সংজ্ঞা: F1 Score হল Precision এবং Recall এর একটি গাণিতিক সংমিশ্রণ। এটি একটি হারমোনিক গড় এবং Precision ও Recall এর মধ্যে ভারসাম্য রক্ষা করে। যখন Precision এবং Recall এর মধ্যে বড় পার্থক্য থাকে তখন F1 Score কার্যকরীভাবে মূল্যায়ন করতে সহায়ক।

উদাহরণ: যদি Precision 0.67 এবং Recall 0.75 হয়, তাহলে F1 Score হবে:

0.71

সারসংক্ষেপ

Accuracy, Precision, Recall, এবং F1 Score হল মডেলের কার্যকারিতা মূল্যায়নের জন্য ব্যবহৃত প্রধান মেট্রিক্স।

• Accuracy সঠিক পূর্বাভাসের অনুপাত বোঝায়।
• Precision সঠিক ইতিবাচক পূর্বাভাসের মধ্যে সঠিকতা নির্দেশ করে।
• Recall প্রকৃত ইতিবাচকগুলির মধ্যে সঠিক চিহ্নিতকরণের হার নির্দেশ করে।
• F1 Score Precision এবং Recall এর মধ্যে ভারসাম্য রক্ষা করে।

এই মেট্রিক্সগুলি ব্যবহার করে, আপনি মডেলের কার্যকারিতা এবং শক্তি/দুর্বলতা বুঝতে পারবেন এবং প্রয়োজন অনুযায়ী মডেল উন্নয়নের জন্য সিদ্ধান্ত নিতে পারবেন।