
Filtr spamu | 67
Minimalizacja błędów przez sprawdzanie krzyżowe
Wtym momencie musimy zmierzyć, jak dobrze działa nasz model. Wtym celu musimy
wziąć dane, które pobraliśmy wcześniej iprzeprowadzić nanich sprawdzanie krzyżowe.
Musimy tylko zmierzyć wyniki fałszywie dodatnie, anatej postawie ustalić, czy trzeba
bardziej dostroić nasz model.
Minimalizowanie wyników fałszywie dodatnich
Jak dotej pory, naszym celem przy tworzeniu modeli było minimalizowanie błędu. Błąd
ten można byłatwo wyrazić jako liczbę błędnych klasykacji podzieloną przez całkowitą
liczbę klasykacji. Wwiększości przypadków dokładnie otonam chodzi, ale wltrze
spam ...