Dəqiqlik paradoksu - Məlumatların təhlili və maşın öyrənməsi sahəsində geniş yayılan problem. Bu paradoks göstərir ki, yüksək dəqiqlik (accuracy) qiymətləndirilməsi, bəzi hallarda bir modelin əsl performansını əks etdirməyə bilər. Məsələn, qeyri-taraz verilənlər dəsti üzərində qurulmuş bir model çox yüksək dəqiqlik göstərə bilər, lakin əslində faydalı və ya təsirli nəticələr təqdim etmir. Dəqiqlik bir modelin ümumi düzgün təsnifatlarının faizini ölçür. Dəqiqlik aşağıdakı düsturla hesablanır: Dəqiqlik =Düzgün təsnifat / Ümumi Müşahidələr Lakin bəzi hallarda yüksək dəqiqlik modeli düzgün qiymətləndirməyə bilər. Xüsusilə, balanssız məlumat dəstlərində bu problem daha da qabarıq olur. Balanssız verilənlər dəsti məsələsi Fərz edək ki, verilənlər dəstindəki müşahidələrin 95%-i bir sinifdən (məsələn, sinif A) ibarətdir, digər 5%-i isə başqa bir sinifdən (sinif B). Əgər bir model bütün nümunələri sinif A kimi təsnif edərsə: Dəqiqlik: 95% olacaq. Performans: Əslində, model sinif B-ni düzgün tanıya bilmir, yəni faydasızdır. Bu vəziyyət Dəqiqlik Paradoksu kimi tanınır, çünki yüksək dəqiqlik modeli əsl keyfiyyətini əks etdirmir. Paradoksun əsas səbəbləri - Balanssız siniflər: Verilənlər dəstində bir sinifin digərinə nisbətən çox üstün olması. - Həddindən artıq sadələşdirilmiş modellər: Məsələn, hamını eyni sinfə aid edən modellər çox vaxt yüksək dəqiqlik göstərə bilər. - Metriklərin yanlış seçimi: Performansın yalnız dəqiqliklə qiymətləndirilməsi digər vacib ölçüləri nəzərdən qaçırır. Dəqiqlik paradoksu nümunəsi Fərz edək ki, bir xəstəlik diaqnozu modeli aşağıdakı şəkildə işləyir: Verilənlər dəstində 1000 insanın yalnız 50-si xəstədir, qalan 950-si sağlamdır. Model bütün insanları sağlam kimi təsnif edir. Dəqiqlik hesabatı: Dəqiqlik = 950/1000 =95% Bu yüksək dəqiqliyə baxmayaraq, model heç bir xəstəni düzgün müəyyənləşdirə bilmir və buna görə də faydasızdır. Dəqiqlik paradoksu əsasən aşağıdakı sahələrdə üzə çıxır - Tibb: Xəstəliklərin diaqnostikası üçün qurulan modellərdə balanssız verilənlər dəsti ilə işləyərkən. - Kredit rriski analizi: Kredit ödəmə qabiliyyətini proqnozlaşdıran modellər balanssız siniflərdən əziyyət çəkə bilər. - Nitq və mətn emalı: Balanssız siniflər, məsələn, az hallanan hadisələri təxmin etməyə çalışan sistemlərdə.
https://en.wikipedia.org/wiki/Accuracy_paradox#:~:text=The%20accuracy%20paradox%20is%20the,too%20crude%20to%20be%20useful.
https://web.archive.org/web/20181125073901/https://www.utwente.nl/en/eemcs/trese/graduation_projects/2009/Abma.pdf
https://towardsdatascience.com/accuracy-paradox-897a69e2dd9b
https://digestize.medium.com/stat-digest-the-idea-behind-accuracy-paradox-e79daa9fd917
Tarix : 9 yanvar 2025
Əksi qeyd olunmayıbsa, bu məzmun CC BY-SA 4.0 çərçivəsində yayımlanır.
