Aşağıda 1,500,000'dan fazla şiir başlıkları arasından "Performans" terimini içeren şiirler listelenmektedir. Performans ile ilgili şiirler "kayıt tarihine" göre listelenmektedir.
Şiirlerin "Performans" ile ilgili alakalı olup olmadıkları sistem tarafından otomatik belirlenip içinde aradığından konu dışı bazı şiirler listelenebilir.
Performans ile ilgili "
8
" şiir aşağıdadır.
Sınıflandırma performansının ölçülmesi için, modelin tahminlerinin gerçek değerlerle karşılaştırılması gerekir. Bu karşılaştırma, bir karışıklık matrisi (confusion matrix) ile gösterilebilir. Karışıklık matrisi, modelin doğru ve yanlış tahminlerini dört kategoriye ayırır: Doğru pozitif (DP): Modelin pozitif olarak tahmin ettiği ve gerçekte de pozitif olan veri noktaları. Örneğin, modelin COVID+ olarak tahmin ettiği ve gerçekten de COVID+ olan hastalar. Doğru negatif (DN): Modelin negatif olarak tahmin ettiği ve gerçekte de negatif olan veri noktaları. Örneğin, modelin COVID- olarak tahmin ettiği ve gerçekten de COVID- olan hastalar. Yanlış pozitif (YP): Modelin pozitif olarak tahmin ettiği ama gerçekte negatif olan veri noktaları. Örneğin, modelin COVID+ olarak tahmin ettiği ama gerçekte COVID- olan hastalar. Bu tip hatalara Tip I hata denir. Yanlış negatif (YN): Modelin negatif olarak tahmin ettiği ama gerçekte pozitif olan veri noktaları. Örneğin, modelin COVID- olarak tahmin ettiği ama gerçekte COVID+ olan hastalar. Bu tip hatalara Tip II hata denir.
Eğitim işlemi, algoritmaları ve veri setini kullanarak bir model geliştirme (eğitim) işlemidir. Model, verilerdeki örüntüleri veya ilişkileri yakalamak için kullanılan bir matematiksel fonksiyondur. Eğitim işlemi, modelin verileri en iyi şekilde açıklayan veya tahmin eden parametrelerini bulmak için veri setini algoritmalara uygulamaktır. Geliştirilen modellerin başarısını ölçmek modeli değerlendirebilmek için gereklidir. Modelin ne kadar iyi performans gösterdiğini, verileri ne kadar doğru açıkladığını veya tahmin ettiğini belirlemek için performans ölçümleri kullanılır. Performans ölçümleri, modelin çıktılarını gerçek değerlerle karşılaştırarak bir hata veya doğruluk oranı hesaplar. Sınıflandırma ve sayısal tahmin olmak üzere iki farklı performans ölçüm yöntemi bulunur. Sınıflandırma, veri öğelerinin ait olduğu sınıfı belirtir ve çıktıda sonlu ve ayrık değerler olduğunda kullanılır. Örnek: Kredi Riski tahmin eden bir makine öğrenmesi modeli düşünelim. Bu model, kişilerin gelir, yaş, eğitim, borç, kredi geçmişi gibi özelliklerini kullanarak, kredi başvurusunda bulunan kişilerin kredi riskini düşük veya yüksek olarak sınıflandırır. Modelinizi oluşturduktan sonra, doğrulama veya test aşamasında, modelinizin performansını ölçmek istersiniz. Test veri setinde kredi riski düşük veya yüksek olarak etiketli kişilerin model tarafından doğru olarak sınıflandırılmasını beklersiniz. Makine öğrenmesinin tahminlerini gerçek etiketlerle karşılaştırmanız gerekir. Test setinde "kredi riski yüksek" olarak etiketlenmiş bir kişiye ait girdiler verildiğinde "kredi riski yüksek" olduğunu tahmin etmesini beklersiniz ancak her zaman böyle olmaz. Modeller tıpkı insanlar gibi (böyle işlemlerde insanlardan çok daha fazla) hatalı sınıflandırmalar yapabilir. Sınıflandırma için geliştirilen bir model örnekteki gibi ikili sınıflandırmada dört farklı tahmin üretebilir.
bıraktım kırılmayı geçen gün, tamamen bıraktım tekrar başlamayı düşünmüyorum masraflı oluyor tamam daha önce de bırakmıştım birkaç kez nefsime yenik düşüp tekrar başlamıştım, kötü çevre ama bu kez kesin, çünkü bu kez bıraktığımda
Herkesler pür telaşla,katma değer peşinde, Öğretmenin kalitesini ölçmeye,performans, Hiç kimse laf kondurmaz, memnun işinden, Muhtaç etti ele,güne öğretmeni,performans...