Conas a dhéanann tú samhlacha foghlama meaisín a mheasúnú?

Question

IT Interview Practice · Accepted Answer

Is éard atá i measúnú samhlacha ML ann feidhmíocht a thomhas go maith — ag baint úsáide as **méadracht** iomchuí (cruinneas, beachtas, cuimhne, etc.) ar **shonraí tástála** nach bhfaca an samhail cheana. Tá measúnú cuí riachtanach chun a bheith ar eolas an bhfuil an samhail ag feidhmiú i ndáiríre agus go bhfuil sé iontaofa.

## Measúnú ar shonraí nach bhfaca tú

```text
→ evaluate on a TEST set the model did NOT train on → measures GENERALIZATION (real performance)
→ training accuracy alone is misleading (a model can memorize training data)
→ train/validation/test split; cross-validation → reliable performance estimates
```

## Méadracht choitianta

```text
CLASSIFICATION:
  ACCURACY → % correct (but misleading for IMBALANCED data — e.g. 99% 'not fraud')
  PRECISION → of predicted positives, how many are actually positive (avoid false positives)
  RECALL → of actual positives, how many were found (avoid false negatives/missing cases)
  F1 → balance of precision and recall
  CONFUSION MATRIX → true/false positives/negatives breakdown
REGRESSION:
  MAE, MSE/RMSE → average prediction error (how far off predictions are)
→ choose metrics that fit the problem (accuracy isn't always right)
```

## Cén fáth go bhfuil an méadracht ceart tábhachtach

```text
⚠️ ACCURACY can MISLEAD on imbalanced data (predict 'no disease' always → high accuracy,
  useless model)
→ PRECISION vs RECALL trade-off → depends on the cost of false positives vs false negatives
  (e.g. medical: high recall to not miss disease; spam: precision to not block real emails)
→ pick metrics aligned with what MATTERS for the use case
```

## Cén fáth go bhfuil sé tábhachtach

Is luachmhar an tuiscint ar conas samhlacha foghlama meaisín a mheasúnú toisc **go bhfuil measúnú cuí riachtanach chun a bheith ar eolas an bhfuil samhail ag feidhmiú i ndáiríre**, mar sin is eolas tábhachtach ML a bhíonn ann.

Gan measúnú cuí, ní féidir leat a rá an bhfuil samhail iontaofa.

Is bhunús an measúnú neamhchothrom **measúnú ar shonraí nach bhfaca tú** — tástáil ar shonraí nach raibh an samhail i ndomhan an traenála orthu chun giniúnacht a thomhas (feidhmíocht i ndáiríre), ós rud é go bhfuil cruinneas traenála iomlán míthreorach (is féidir le samhlacha sonraí traenála a chur de ghlanmheabhair), ag baint úsáide as deighiltí train/validation/test agus tras-bhailíochtú — is bhunús an measúnú bríoch.

Is éard atá i **méadracht choitianta** — do dhigitíochtaí: cruinneas (% ceart, ach míthreorach do shonraí neamhchothromaithe), **beachtas** (de bharr spréachta thuartha, an oiread sin a bhíonn i ndáiríre dearfach), **cuimhne** (de bharr dearfach iarbhír, an oiread sin a fuarthas), F1 (beachtas agus cuimhne a chothromhú), agus an maitrís mearbhaill; do aischéimniú: MAE agus RMSE (earráid ar an meán) — an toolkit chun feidhmíocht a thomhas, leis an tpointe tábhachtach go **bíonn an méadracht ceart ag brath ar an fhadhb**.

Is é an léargas eochair a thuiscint **cén fáth go bhfuil an méadracht ceart tábhachtach**: **is féidir le cruinneas a mhealladh ar shonraí neamhchothromaithe** (briathar an bhraistint chéanna ar fad á thuar tugann cruinneas ard ach samhail gan-úsáide — phis riachtanach — agus an **sochar caolchúiseachta idir beachtas agus cuimhne** ag brath ar chostas bréagdhearfach i gcóimheas bhréagdhiúltach (cuimhne ard i ndianóthar leighis chun galar a ligint ar ceal, beachtas ard i scagadh droch-dhreama gan ríomhphost fíor a bhlocáil).

Is gá méadracht a roghnú atá i gcomhréir leis an méid atá tábhachtach don chás úsáide, ós rud é go dtugann an méadracht mícheart (cosúil le cruinneas ar shonraí neamhchothromaithe) mothúchán bréagach go bhfuil samhail ag feidhmiú.

Is gá measúnú cuí (sonraí nach bhfaca tú, méadracht iomchuí) chun ML iontaofa a thógáil — is féidir le samhail nach measúnítear go cuí a theip i dtáirgeadh de bharr go raibh cuma mhaith air.

Ó tharla go bhfuil measúnú cuí riachtanach chun a bheith ar eolas an bhfuil samhail ag feidhmiú i ndáiríre (giniúnacht, iontaofacht) agus a thuiscint — measúnú ar shonraí nach bhfaca tú, na méadracht choitianta, agus go criticiúil an méadracht ceart a roghnú (an t-ais-cruthaitheoir ar shonraí neamhchothromaithe a sheachaint agus beachtas/cuimhne a chothromhú de réir cás úsáide) — is eolas tábhachtach ML a bhíonn ann, is luachmhar a thuiscint conas samhlacha foghlama meaisín a mheasúnú, is eolas ML tábhachtach-praiticiúil a bhíonn ann — riachtanach chun a bheith ar eolas an bhfuil samhlacha ag feidhmiú i ndáiríre (trí mheasúnú sonraí nach bhfaca tú agus méadracht iomchuí), leis an léargas criticiúil go bhfuil an méadracht ceart ag brath ar an chás úsáide (méadracht thuaraithe ar nós cruinneas ar shonraí neamhchothromaithe a sheachaint), tábhachtach chun ML iontaofa a thógáil.

Measúnú ar shonraí nach bhfaca tú

Méadracht choitianta

Cén fáth go bhfuil an méadracht ceart tábhachtach

Cén fáth go bhfuil sé tábhachtach

Ceisteanna gaolmhara