aedev.net
  • Trang chủ
  • AI
  • Mobile
  • Flutter
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
No Result
View All Result
SAVED POSTS
aedev.net
  • Trang chủ
  • AI
  • Mobile
  • Flutter
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
No Result
View All Result
aedev.net
No Result
View All Result
Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Hamming loss khi mô hình gán nhiều nhãn phần lớn là âm

Suong Nguyen by Suong Nguyen
20/11/2026
in AI
0
585
SHARES
3.2k
VIEWS
Summarize with ChatGPTShare to Facebook

Một hệ thống gán 20 nhãn cho ticket thực hiện 20 quyết định có hoặc không trên mỗi mẫu. Nếu mỗi ticket chỉ có một nhãn dương, việc dự đoán tất cả là âm vẫn có thể cho tỷ lệ sai thấp. Hamming loss đo phần quyết định sai trên toàn bộ các vị trí nhãn, vì vậy cần đọc nó cùng phân bố nhãn và recall.

Tính trên một ma trận nhỏ

Ví dụ Python chuẩn dùng hai ticket và ba nhãn. Mỗi hàng ứng với cùng một ticket, mỗi cột giữ cùng ý nghĩa ở cả nhãn chuẩn và dự đoán. Có một vị trí sai trên sáu quyết định nên loss là 1/6.

from fractions import Fraction
truth = [[1, 0, 0], [0, 1, 0]]
predicted = [[1, 0, 0], [0, 0, 0]]
assert len(truth) == len(predicted)
assert all(len(a) == len(b) == 3 for a, b in zip(truth, predicted))
wrong = sum(x != y for a, b in zip(truth, predicted) for x, y in zip(a, b))
assert Fraction(wrong, 6) == Fraction(1, 6)

Chọn điểm đối chứng

Tạo baseline dự đoán toàn âm trên chính tập đánh giá. So sánh loss của mô hình với baseline, rồi kiểm tra recall theo từng nhãn. Nếu mô hình bỏ sót nhãn khẩn cấp, loss tổng có thể chỉ đổi ít vì cột đó hiếm xuất hiện. Báo số mẫu dương của từng nhãn để người đọc hiểu mức chắc chắn của kết quả.

Đầu vào cần cùng thứ tự cột và cùng tập ticket. Một lỗi ghép ID có thể tạo điểm tưởng như mô hình kém dù thực chất dữ liệu bị lệch. Khi chuyển xác suất thành nhãn, lưu ngưỡng của mỗi cột cùng báo cáo. Đổi ngưỡng làm thay đổi tập quyết định đang được đo.

Kiểm tra các ca biên

Thêm một mẫu đúng toàn bộ, một mẫu sai một nhãn và một mẫu sai tất cả. Ca một mẫu đúng dùng để xác nhận loss bằng 0. Ca sai toàn bộ cần cho loss bằng 1. Nếu bộ dữ liệu có hàng thiếu, kiểm tra cách xử lý trước khi đưa vào trung bình. Đừng tự thay thiếu bằng âm nếu nghiệp vụ còn chưa biết nhãn đó.

Với scikit-learn, đối chiếu định dạng chỉ báo multilabel và trọng số mẫu trong phiên bản dự án đang dùng. Ví dụ ở đây diễn giải phép tính bằng Python để dễ review. Nó không phải kết quả đo một mô hình production. Khi dùng trong quyết định phát hành, báo thêm những lỗi có ảnh hưởng nghiệp vụ và cách lấy mẫu đánh giá.

Nếu dùng trọng số mẫu, lưu trọng số trong bộ dữ liệu đánh giá và kiểm tra một mẫu được nhân trọng số có đóng góp đúng vào tổng hay không. Tránh so hai báo cáo khi chỉ một báo cáo đã dùng trọng số mà tên chỉ số vẫn giống nhau.

Nguồn tham khảo

  • Tài liệu chính thức

Tags: AIMultilabelPython
SummarizeShare234
Suong Nguyen

Suong Nguyen

Related Stories

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Jaccard cho bài toán AI gán nhiều nhãn trên một ticket

by Suong Nguyen
19/11/2026
0

Đo mức trùng giữa tập nhãn dự đoán và nhãn chuẩn, đồng thời quy định cách xử lý mẫu rỗng.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Dùng Cohen kappa để rà độ đồng thuận khi gán nhãn

by Suong Nguyen
18/11/2026
0

So sánh tỷ lệ đồng thuận thô với mức kỳ vọng từ phân bố nhãn.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Balanced accuracy khi một lớp chiếm phần lớn dữ liệu

by Suong Nguyen
13/11/2026
0

Đọc recall từng lớp trước khi kết luận mô hình phân loại có ích.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

MAPE: vì sao giá trị thực gần 0 làm sai số phần trăm tăng mạnh?

by Suong Nguyen
12/11/2026
0

Đọc sai số theo từng hàng và đặt quy tắc cho giá trị thực bằng 0 trước khi đưa MAPE lên báo cáo.

0 0 votes
Article Rating
Subscribe
Login
Notify of
guest
guest
0 Comments
Oldest
Newest Most Voted
AE Dev

AE Dev mang đến các bài viết về lập trình, mobile app, backend, frontend, WordPress và công nghệ, phù hợp cho developer muốn học hỏi và cập nhật kiến thức thực tế.

Recent Posts

  • Dùng git ls-files để phân biệt file đã track và file mới
  • SQLite BETWEEN có lấy cả hai đầu khoảng không?
  • Hamming loss khi mô hình gán nhiều nhãn phần lớn là âm

Categories

  • AI
  • Backend
  • Đánh giá
  • DevOps
  • Flutter
  • Hướng dẫn
  • Lập trình Mobile
  • Phỏng vấn
  • React Native
  • Uncategorized

Weekly Newsletter

  • Buy JNews
  • Support Forum
  • Pre-sale Question
  • Contact Us

© 2026 AE Dev - Blog công nghệ, lập trình và chia sẻ kiến thức IT.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
No Result
View All Result
  • Trang chủ
  • AI
  • Mobile
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
  • Flutter

© 2026 AE Dev - Blog công nghệ, lập trình và chia sẻ kiến thức IT.

wpDiscuz
0
0
Would love your thoughts, please comment.x
()
x
| Reply