Функции потерь. Часть I

Проектирование рабочих процессов машинного обучения на Python

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Набор данных KDD '99

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
Проектирование рабочих процессов машинного обучения на Python

Ложноположительные и ложноотрицательные результаты

Бинаризация метки:

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

Обучение классификатора Гауссовского наивного Байеса:

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

Проектирование рабочих процессов машинного обучения на Python

Ложноположительные и ложноотрицательные результаты

Бинаризация метки:

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

Обучение классификатора Гауссовского наивного Байеса: 

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

Четыре возможных сочетания меток и предсказаний: оба True, оба False, метка True с предсказанием False, метка False с предсказанием True. Последнее сочетание выделено.

Проектирование рабочих процессов машинного обучения на Python

Ложноположительные и ложноотрицательные результаты

Бинаризация метки:

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

Обучение классификатора Гауссовского наивного Байеса: 

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

Теперь выделено сочетание метки True и предсказания False.

Проектирование рабочих процессов машинного обучения на Python

Ложноположительные и ложноотрицательные результаты

Бинаризация метки:

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

Обучение классификатора Гауссовского наивного Байеса: 

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

Выделены два случая, когда предсказание совпадает с меткой.

Проектирование рабочих процессов машинного обучения на Python

Матрица ошибок

conf_mat = confusion_matrix(
    ground_truth, predictions)

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

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

(19, 397)

Матрица ошибок с подсчётом случаев для каждого из четырёх сочетаний на данном наборе данных.

Проектирование рабочих процессов машинного обучения на Python

Скалярные метрики качества

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)
Проектирование рабочих процессов машинного обучения на Python

Ложноположительные и ложноотрицательные результаты

Классификатор A:

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

(3, 3)

cost = 10 * fp + fn

33

Классификатор B:

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

(0, 26)


cost = 10 * fp + fn

26
Проектирование рабочих процессов машинного обучения на Python

Какой классификатор лучше?

Проектирование рабочих процессов машинного обучения на Python

Preparing Video For Download...