II. Entwicklung des Modells

Modell bewerten 




Die Modellbewertung ist der Prozess der Beurteilung der Wirksamkeit des trainierten Modells zur Vorhersage von Ergebnissen aus neuen Daten.

play_iconBei Klassifizierungsproblemen ist die Konfusionsmatrix (confusion matrix) ein beliebtes Werkzeug zur Bewertung der Leistung eines Modells. Sie stellt die Gesamtleistung des Modells in Matrixform dar.

Eine grundlegende Konfusionsmatrix ist traditionell als 2 x 2-Matrix angeordnet, wie in der Abbildung dargestellt:


Confusion Matrix

Die tatsächlichen Beschriftungen sind in den Zeilen (vertikal) angeordnet, während die vom Modell vorhergesagten Beschriftungen in den Spalten (horizontal) dargestellt werden.

Eine schnelle Beurteilung dieser Matrix erfolgt, indem man die Elemente auf der Hauptdiagonale von oben links nach unten rechts betrachtet. Eine perfekte Klassifizierung zeigt ausschließlich Werte auf dieser Diagonalen, während alle anderen Felder null sind (also keine Falschpositiven und keine Falschnegativen).
play_icon Genauigkeit (accuracy):

Ein gängiges Maß zur Bewertung der Leistung eines Klassifizierungsmodells ist die Genauigkeit. Sie kann anhand der Konfusionsmatrix berechnet werden und beschreibt, wie gut das Modell darin ist, alle Fälle korrekt zu beschriften. Je höher der Anteil von Richtigpositiven und Richtignegativen an den Gesamtfällen ist, desto größer ist die Genauigkeit des Modells.
Die Genauigkeit wird wie folgt berechnet:



!    



Führen Sie die Codezellen im Unterabschnitt „5.1. Bewertung des Entscheidungsbaummodells“ in Google Colab aus und beantworten Sie dann das folgende Quiz.

Tipp




Herzlichen Glückwunsch! Sie haben gerade ein überwachtes Lernmodell trainiert und bewertet. Jetzt können Sie die Google Colab-Seite schließen.