0 / 0
Volver a la versión inglesa de la documentación
Tasa de falsos positivos en métricas de calidad de Watson OpenScale
Última actualización: 07 oct 2024
Tasa de falsos positivos en métricas de calidad de Watson OpenScale

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

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información