Funkcje straty, część I

Projektowanie przepływów pracy uczenia maszynowego w Pythonie

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Zbiór danych KDD '99 Cup

kdd.iloc[0]

kdd.iloc[0]
duration                         51
protocol_type                   tcp
service                        smtp
flag                             SF
src_bytes                      1169
dst_bytes                       332
land                              0
...
dst_host_rerror_rate              0
dst_host_srv_rerror_rate          0
label                          good

Fałszywe pozytywy i fałszywe negatywy

Binaryzacja etykiety:

kdd['label'] = kdd['label'] == 'bad'

Dopasowanie klasyfikatora Gaussian Naive Bayes:

clf = GaussianNB().fit(X_train, y_train)
predictions = clf.predict(X_test)
results = pd.DataFrame({
    'actual': y_test,
    'predicted': predictions
})

Fałszywe pozytywy i fałszywe negatywy

Binaryzacja etykiety:

kdd['label'] = kdd['label'] == 'bad'

Dopasowanie klasyfikatora Gaussian Naive Bayes:

clf = GaussianNB().fit(X_train, y_train)
predictions = clf.predict(X_test)
results = pd.DataFrame({
    'actual': y_test,
    'predicted': predictions
})

Cztery możliwe kombinacje etykiet i predykcji: obie prawda, obie fałsz, etykieta prawda z predykcją fałsz oraz etykieta fałsz z predykcją prawda. Ostatnia kombinacja jest tu wyróżniona.

Fałszywe pozytywy i fałszywe negatywy

Binaryzacja etykiety:

kdd['label'] = kdd['label'] == 'bad'

Dopasowanie klasyfikatora Gaussian Naive Bayes:

clf = GaussianNB().fit(X_train, y_train)
predictions = clf.predict(X_test)
results = pd.DataFrame({
    'actual': y_test,
    'predicted': predictions
})

Teraz wyróżniona jest kombinacja etykiety prawda i predykcji fałsz.

Fałszywe pozytywy i fałszywe negatywy

Binaryzacja etykiety:

kdd['label'] = kdd['label'] == 'bad'

Dopasowanie klasyfikatora Gaussian Naive Bayes:

clf = GaussianNB().fit(X_train, y_train)
predictions = clf.predict(X_test)
results = pd.DataFrame({
    'actual': y_test,
    'predicted': predictions
})

Wyróżniono dwa przypadki, w których predykcja zgadza się z etykietami.

Macierz pomyłek

conf_mat = confusion_matrix(
    ground_truth, predictions)

array([[9477,   19],
       [ 397, 2458]])

tn, fp, fn, tp = conf_mat.ravel()
(fp, fn)

(19, 397)

Macierz pomyłek zliczająca przypadki dla każdej z czterech kombinacji dla tego zbioru danych.

Skalarne metryki wydajności

accuracy = 1-(fp + fn)/len(ground_truth)

recall = tp/(tp+fn)

fpr = fp/(tn+fp)

precision = tp/(tp+fp)

f1 = 2*(precision*recall)/(precision+recall)

accuracy_score(ground_truth, predictions)
recall_score(ground_truth, predictions)
precision_score(ground_truth, predictions)
f1_score(ground_truth, predictions)

Fałszywe pozytywy i fałszywe negatywy

Klasyfikator A:

tn, fp, fn, tp = confusion_matrix(
    ground_truth, predictions_A).ravel()
(fp,fn)

(3, 3)

cost = 10 * fp + fn

Klasyfikator B:

tn, fp, fn, tp = confusion_matrix(
    ground_truth, predictions_B).ravel()
(fp,fn)

(0, 26)

cost = 10 * fp + fn

Który klasyfikator jest lepszy?

Projektowanie przepływów pracy uczenia maszynowego w Pythonie