ภาพรวมตัวชี้วัดการจำแนก #

การประเมินโมเดลจำแนกขึ้นอยู่กับสมดุลของคลาส การตั้ง threshold ความน่าเชื่อถือของความน่าจะเป็น และคุณภาพของอันดับบนสุด ในส่วนนี้เรารวบรวมกลุ่มตัวชี้วัดหลักและแนวทางเลือกใช้ตามงาน

หมวดของตัวชี้วัด #

1. กลุ่มที่อิง confusion matrix #

• Accuracy (Accuracy): ความแม่นยำรวม แต่หลอกตาเมื่อข้อมูลไม่สมดุล
• Precision / Recall / F1 (Precision-Recall, F1): เลือกตามต้นทุนของความผิดพลาด
• Specificity / Sensitivity (Sensitivity/Specificity): สำคัญในงานแพทย์หรือคัดกรอง
• Macro / Micro / Weighted averaging (Averaging strategies): วิธีรวมผลในงานหลายคลาส

2. การปรับ threshold และ ranking #

• Precision-Recall curve / PR-AUC (PR): เหมาะเมื่อคลาสบวกมีน้อย
• ROC curve / ROC-AUC (ROC-AUC): วัดความสามารถในการแยกคลาสโดยรวม
• Top-k Accuracy / Hit Rate (Top-k Accuracy, Hit Rate): งานแนะนำหรือค้นหาที่ดูแค่ผลลัพธ์บนสุด

3. ความน่าจะเป็นและการคาลิเบรต #

• Log Loss (Log Loss): ให้รางวัลกับความน่าจะเป็นที่แม่นยำ
• Brier Score (Brier Score): ใช้คู่กับ calibration curve เพื่อตรวจความน่าเชื่อถือ
• Calibration curves: เปรียบเทียบความน่าจะเป็นทำนายกับความถี่จริง

4. ตัวชี้วัดช่วยงานคลาสไม่สมดุล #

• Balanced Accuracy (Balanced Accuracy): เฉลี่ย recall ต่อคลาส
• Cohen’s Kappa / MCC (Cohen’s κ, MCC): ทนทานต่อความไม่สมดุล

การเปลี่ยนแปลงของตัวชี้วัดเมื่อปรับ threshold #

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import precision_score, recall_score, f1_score
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

X, y = make_classification(
    n_samples=2000,
    n_features=12,
    n_informative=4,
    weights=[0.85, 0.15],
    random_state=42,
)

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, stratify=y, random_state=42
)

scaler = StandardScaler()
model = LogisticRegression(max_iter=2000)
model.fit(scaler.fit_transform(X_train), y_train)

prob = model.predict_proba(scaler.transform(X_test))[:, 1]
thresholds = np.linspace(0.05, 0.95, 19)

precision, recall, f1 = [], [], []
for t in thresholds:
    y_pred = (prob >= t).astype(int)
    precision.append(precision_score(y_test, y_pred, zero_division=0))
    recall.append(recall_score(y_test, y_pred, zero_division=0))
    f1.append(f1_score(y_test, y_pred, zero_division=0))

fig, ax = plt.subplots(figsize=(6.8, 4))
ax.plot(thresholds, precision, label="Precision", color="#2563eb")
ax.plot(thresholds, recall, label="Recall", color="#dc2626")
ax.plot(thresholds, f1, label="F1", color="#0d9488")
ax.set_xlabel("Threshold")
ax.set_ylabel("Score")
ax.set_title("Effect of threshold on classification metrics")
ax.set_ylim(0, 1.05)
ax.grid(alpha=0.3)
ax.legend()
plt.tight_layout()

ประเด็นสำหรับรายงานและการใช้งานจริง #

1. แนบ confusion matrix เสมอ
   เห็นรูปแบบความผิดพลาดต่อคลาสชัดเจน
2. อธิบายเหตุผลของ threshold
   ใช้ PR curve หรือกราฟ threshold-score ประกอบ
3. ตรวจสอบการคาลิเบรตของความน่าจะเป็น
   หากใช้ความน่าจะเป็นในการตัดสินใจให้ดู Brier Score
4. คำนึงถึงคลาสไม่สมดุล
   ใช้ Balanced Accuracy หรือ MCC ร่วมกับ Accuracy
5. เฝ้าระวัง drift
   ติดตาม Precision/Recall, PR-AUC, ROC-AUC ตามเวลา

Quick reference #

Checklist #

• ใช้ตัวชี้วัดสำหรับคลาสไม่สมดุลร่วมกัน
• อธิบายเหตุผลของ threshold (PR/ROC, ต้นทุน)
• ตรวจสอบการคาลิเบรตของความน่าจะเป็น
• เทียบการกระจายของข้อมูลระหว่าง valid กับ production
• กำหนด metric หลักสำหรับการเปรียบเทียบในอนาคต