مواد
سوال:
ایم ایل میں کنفیوژن میٹرکس کیوں مفید ہے؟
A:
مشین سیکھنے (ایم ایل) میں کنفیوژن میٹرکس کیوں قیمتی ہے اس کے بارے میں بات کرنے کے بہت سارے طریقے ہیں - لیکن ایک آسان ترین طریقہ یہ بیان کرنا ہے کہ کنفیوژن میٹرکس ایک ڈیٹا بصری شکل کا وسیلہ ہے۔
ایک کنفیوژن میٹرکس دیکھنے والوں کو ایک نظر میں ایک درجہ بندی یا دوسرے الگورتھم کے استعمال کے نتائج دیکھنے کی اجازت دیتا ہے۔ تجزیاتی نتائج ظاہر کرنے کے لئے ایک سادہ جدول کا استعمال کرکے ، کنفیوژن میٹرکس بنیادی طور پر آپ کے نتائج کو زیادہ ہضم ہونے والے نظارے میں ابلتا ہے۔
کنفیوژن میٹرکس نتائج کا بندوبست کرنے کے لئے مخصوص اصطلاحات کا استعمال کرتی ہے۔ اس میں مثبت مثبت اور حقیقی نفی ہیں ، اسی طرح غلط مثبت اور غلط منفی بھی ہیں۔ زیادہ پیچیدہ الجھن والے میٹرکس یا موازنہ کی درجہ بندی پر مبنی ایک کے ل these ، ان اقدار کو دو الگ الگ اشیاء کے ل actual اصل اور پیش گوئی کلاس کے طور پر دکھایا جاسکتا ہے۔
اصطلاحی اصطلاحات سے قطع نظر ، نتائج کو ایک مربع (یا آئتاکار) ٹیبل میں گروپ کیا گیا ہے۔
یہ نظریہ تجزیہ کاروں کے لئے یہ دیکھنا آسان بناتا ہے کہ درجہ بندی کے نتائج میں الگورتھم کتنا درست تھا۔ (پڑھیں نئے جنریٹرز ASCII آرٹ پر کام کرنے کے لئے جدید الگورتھم رکھیں۔)
کنفیوژن میٹرکس کی افادیت کا ایم ایل پروجیکٹس کی پیچیدگی ، اور اس طریقے سے بھی ہے کہ معلومات کو فارمیٹ کیا جاتا ہے اور صارفین تک پہنچایا جاتا ہے۔ خطوطی نتائج کی ایک تار کا تصور کریں جس میں غلط مثبت ، غلط منفی ، حقیقی مثبت اور حقیقی نفی ہیں۔ (مشین لرننگ 101 پڑھیں۔)
ایک صارف کو ان تمام خطوطی نتائج کو ایک گراف میں ٹیبلٹ کرنا ہوگا تاکہ یہ سمجھنے کے لئے کہ الگورتھم نے کیسے کام کیا ، اور یہ کتنا درست تھا۔ کنفیوژن میٹرکس کے ساتھ ، یہ معلومات آسانی سے ایک طاقتور بصری ماڈل میں پیش کی جاتی ہیں۔
مثال کے طور پر ، فرض کریں کہ مشین کو 20 امیجوں کی درجہ بندی کرنے کے لئے کہا گیا ہے ، ان میں سے پانچ پھل اور پانچ سبزی ہیں۔ اگر کسی الجھن والے میٹرکس میں مندرجہ ذیل مشمولات ہوتے ہیں (اوپر بائیں گھڑی کی طرف سے):، ،، ،، ، showing ، تو میٹرکس یہ ظاہر کررہا ہے کہ ساتوں کو سبزیوں کے طور پر صحیح طور پر شناخت کیا گیا تھا ، جبکہ تین کو صحیح طریقے سے پھلوں کے طور پر درجہ بند کیا گیا تھا۔
نمائندگی کے مطابق ، دیگر 10 ، نتائج ہیں جہاں پروگرام صحیح طریقے سے شناخت کرنے میں ناکام رہا۔
کنفیوژن میٹرکس ہر طرح کے ایم ایل تجزیات میں کارآمد ہوگا۔ اس وسیلہ کا مشاہدہ کرکے ، صارف یہ معلوم کرسکتے ہیں کہ طول و عرض اور زیادہ مناسب جیسے مسائل کو کس طرح ہینڈل کرنا ہے ، اور الگورتھم کو بہتر بنانے کے دیگر طریقے۔