什么是评分，机器学习中的实时评分和批量评分有什么区别？
原文标题 ：What is scoring and what’s the difference between real time scoring and batch scoring in machine learning?
我已经看到了用于信用卡欺诈检测的实时评分示例，但我没有看到评分如何实现这样的任务。我认为我从根本上误解了得分。
我的理解是：“给模型打分”（在分类模型的情况下）意味着对一系列数据集（我们知道答案）进行预测，并通过计算模型所做的所有错误预测来评估它所做的预测。正确。即。如果一个模型在 100 个预测中犯了 50 个错误，则该模型的准确率为 50%——因此得分。
但我不明白如何实时检测欺诈行为。如果我们不知道交易是否是欺诈（因为它不是历史数据），那么评分如何实现欺诈检测？
ORI评分实际上是预测的“信心”吗？ ie。当我对一个看不见的数据集进行预测时，一个分类模型会告诉我预测的置信度可以是 80%（模型有 80% 的把握它有正确的预测）。在这种情况下得分是 80% ?
我还看到将评分定义为将模型应用于新数据集。这不和预测一样吗？
回复
我来回复-
Nandesh 评论首先，评分取决于您自己定义的指标，以衡量模型的性能。它可以是任何东西，例如置信度、准确性或模型评估的任何其他指标。您必须自己定义要使用的指标以及效果最好的指标，其输出将称为分数。
实时评分和批量评分的区别：
假设您正在构建欺诈检测模型。您必须为每笔交易分配分数。有两种方法可以做到这一点。
实时评分-您实时获取特征并进行所有预处理并将其传递给模型以获得预测。这一切都应该实时发生，并立即产生结果。优点是用户或系统无需等待即可获得结果。
批量评分 – 当您创建一个定期批量进行预测的模型时，它被称为批量推理或批量评分。想象一下，您每小时或每个午夜运行您的系统进行预测，然后它分批进行。
它们都有其优点和缺点，但通常，这些决策取决于业务利益相关者和业务需求。
2年前 0条评论
