日前，跨象乘云? 發(fā)布了《汽車出廠前測試時間數(shù)據(jù)分析 - 人工智能垂直領域工程項目案例分享》。本案例為機器學習與人工智能技術應用前導課程，開展工業(yè)、智能制造領域的大數(shù)據(jù)分析，以汽車制造企業(yè)的出廠部件測試為教學對象，介紹在汽車出廠前如何進行故障檢查，故障識別以及質(zhì)量檢測。本實驗主要內(nèi)容包括：基于包含 171 個匿名功能特征的 7,6000 條汽車部件樣本數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的整理提煉，特征提取、特征工程、故障診斷、部件性能診斷分析。通過深入淺出的方式會介紹各種大數(shù)據(jù)分析技術在智能制造業(yè)領域的應用。

不同的模型對應著不同的評估指標，不同的評估指標，選擇出來的最優(yōu)模型都是不一樣的，所以還是需要根據(jù)具體的業(yè)務需求來選擇適合自己模型的評估指標。而評估指標的關鍵，便是混淆矩陣。混淆矩陣是用來總結(jié)一個分類器結(jié)果的矩陣。對于 K 元分類，其實它就是一個 KxK 的表格，用來記錄分類器的預測結(jié)果。對于最常見的二元分類來說，它的混淆矩陣是 2x2 的，如下：

關鍵概念

• TP（True Positive - 真陽性）：真實為 0，預測為 0

• FN（False Negative - 假陰性）：真實為 0，預測為 1

• FP（False Positive - 假陽性）：真實為 1，預測為 0

• TN（True Negative - 真陰性）：真實為 1，預測為 1

關鍵指標

部分內(nèi)容摘錄自 SAMshare 微信號：gh_8528ce7b7e80