โปรไฟล์ความแม่นยำสะสม

โปรไฟล์ความแม่นยำสะสม (CAP) เป็นแนวคิดที่ใช้ในวิทยาศาสตร์ข้อมูลเพื่อแสดงภาพพลังการจำแนก CAP ของแบบจำลองแสดงถึงจำนวนผลลัพธ์เชิงบวกสะสมตาม แกน yเทียบกับจำนวนพารามิเตอร์การจำแนกสะสมที่สอดคล้องกันตาม แกน xผลลัพธ์เรียกว่าเส้นโค้ง CAP ^{[ 1 ]} CAP แตกต่างจาก เส้นโค้ง ลักษณะการทำงานของผู้รับ (ROC) ซึ่งพล็อตอัตราผลบวกจริงเทียบกับ อัตราผล บวก เท็จ

CAPs ถูกนำมาใช้ในการประเมินความทนทานของแบบจำลองการจำแนกประเภท

โปรไฟล์ความแม่นยำสะสมสามารถใช้ประเมินแบบจำลองได้โดยการเปรียบเทียบเส้นโค้งปัจจุบันกับทั้งเส้นโค้ง "สมบูรณ์แบบ" และเส้นโค้งแบบสุ่ม แบบจำลองที่ดีจะมีค่า CAP อยู่ระหว่างเส้นโค้งสมบูรณ์แบบและเส้นโค้งแบบสุ่ม ยิ่งแบบจำลองอยู่ใกล้กับค่า CAP ที่สมบูรณ์แบบมากเท่าไหร่ ก็ยิ่งดีเท่านั้น

อัตราส่วนความแม่นยำ (AR) ถูกกำหนดให้เป็นอัตราส่วนของพื้นที่ระหว่าง CAP ของแบบจำลองและ CAP แบบสุ่ม และพื้นที่ระหว่าง CAP ที่สมบูรณ์แบบและ CAP แบบสุ่ม^{[ 2 ]}ในแบบจำลองที่ประสบความสำเร็จ AR จะมีค่าอยู่ระหว่างศูนย์ถึงหนึ่ง และยิ่งค่าสูงเท่าไร แบบจำลองก็จะยิ่งแข็งแกร่งมากขึ้นเท่านั้น

จำนวนผลลัพธ์เชิงบวกสะสมบ่งชี้ถึงความแข็งแกร่งของแบบจำลอง สำหรับแบบจำลองที่ประสบความสำเร็จ ค่านี้ควรอยู่ระหว่าง 50% ถึง 100% ของค่าสูงสุด โดยแบบจำลองที่แข็งแกร่งกว่าจะมีเปอร์เซ็นต์สูงกว่า ในบางกรณี อัตราส่วนความแม่นยำอาจเป็นค่าลบ ในกรณีนี้ แบบจำลองทำงานได้แย่กว่า CAP แบบสุ่ม

โปรไฟล์ความแม่นยำสะสม (CAP) และเส้นโค้ง ROC มักใช้โดยธนาคารและหน่วยงานกำกับดูแลเพื่อวิเคราะห์ความสามารถในการจำแนกของระบบการจัดอันดับที่ประเมินความเสี่ยงด้านเครดิต^{[ 3 ] [ 4 ]}นอกจากนี้ CAP ยังถูกใช้โดยวิศวกรออกแบบการเรียนการสอนเพื่อประเมิน ฝึกอบรมใหม่ และสร้างแบบจำลองการออกแบบการเรียนการสอนใหม่ที่ใช้ในการสร้างหลักสูตร และโดยอาจารย์และผู้บริหารโรงเรียนเพื่อการตัดสินใจที่ดีขึ้นและการจัดการทรัพยากรทางการศึกษาอย่างมีประสิทธิภาพมากขึ้น