Volver a la versión inglesa de la documentaciónTasa de falsos positivos en métricas de calidad de Watson OpenScale
Tasa de falsos positivos en métricas de calidad de Watson OpenScale
Última actualización: 07 oct 2024
La tasa de falsos positivos proporciona la proporción de predicciones incorrectas para las clases positivas en Watson OpenScale.
Tasa de falsos positivos de un vistazo
- Descripción: Proporción de predicciones incorrectas en clase positiva
- Umbrales predeterminados: límite inferior = 80%
- Recomendación predeterminada:
- Tendencia al alza: Una tendencia al alza indica que la métrica se está deteriorando. Los datos de comentarios ya son significativamente distintos respecto a los datos de entrenamiento.
- Tendencia a la baja: Una tendencia a la baja indica que la métrica está mejorando. Esto significa que el reentrenamiento del modelo es efectivo.
- Variación errática o irregular: Una variación errática o irregular indica que los datos de comentarios no son coherentes entre evaluaciones. Incremente el tamaño mínimo de la muestra para el supervisor de calidad.
- Tipo de problema: Clasificación binaria
- Valores de gráfico: Último valor en el margen de tiempo
- Detalles de métricas disponibles: Matriz de confusión
Cómo se calcula
La tasa de falsos positivos es el cociente del número total de falsos positivos que se divide por la suma de falsos positivos y verdaderos negativos.
number of false positives
False positive rate = ______________________________________________________
(number of false positives + number of true negatives)
Más información
Revisión de resultados de calidad
Tema principal: Visión general de las métricas de calidad