JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 3. Вводим нелинейность: теперь не только взвешенные суммы
145
Внизу рис. 3.9 показано еще одно средство для описания поведения многоклас­
сового классификатора — 
матрица различий
(confusion matrix). Она делит резуль­
таты работы многоклассового классификатора по фактическим классам примеров 
и классам, предсказанным моделью. Это квадратная матрица формы 
[numClasses,
numClasses]
. Элемент на позиции 
[i,
j]
(строка 
i
и столбец 
j
) равен количеству 
примеров, фактически относящихся к классу 
i
, которые модель отнесла к классу 
j
. 
Следовательно, диагональные элементы матрицы различий отражают количество 
верно классифицированных примеров данных. Матрица различий идеального много­
классового классификатора не должна содержать ненулевых внедиагональных эле­
ментов, подобно приведенной на рис. 3.9.
Помимо итоговой матрицы различий, пример с набором данных «Ирисы Фи­
шера» выводит матрицу различий в конце каждой эпохи обучения с помощью об­
ратного вызова 
onTrainEnd()
.
На первых эпохах матрица различий не такая идеальная, как на рис. 3.9. Как 
видно на рис. 3.10, 5 из 24 входных примеров были классифицированы неправильно, 
соответственно, безошибочность составляет 79 %. Впрочем, информации в этой ма­
трице намного больше, чем одно число: она показывает, в каких классах встречается 
больше ошибок, а в каких — меньше. В этом конкретном примере пять из восьми 
цветков второго класса классифицированы неправильно (отнесены к третьему 
классу), в то время как остальные классифицированы правильно. Отсюда видно, что 
при многоклассовой классификации матрица различий несет больше информации, 
чем просто метрика безошибочности, подобно тому как точность и полнота вместе 
лучше иллюстрируют ситуацию при бинарной классификации, чем безошибочность. 
Матрица различий содержит информацию, полезную для принятия связанных с мо­
делью и процессом обучения решений. Например, некоторые виды ошибок приводят 
к более серьезным последствиям, чем другие. Скажем, перепутать спортивный сайт 
с игровым не так страшно, как перепутать спортивный с фишинговым. В подобных 
случаях можно подстроить гиперпараметры модели, чтобы минимизировать число 
наиболее серьезных ошибок.
Рис. 3.10.
Пример «неидеальной» матрицы различий с ненулевыми внедиагональными 
элементами. Эта матрица была сгенерирована всего после двух эпох обучения, 
до того как обучение сошлось

---

146