0 / 0
Retourner à la version anglaise de la documentation
Erreur moyenne absolue dans les métriques de qualité Watson OpenScale
Dernière mise à jour : 07 oct. 2024
Erreur moyenne absolue dans les métriques de qualité Watson OpenScale

L'erreur moyenne absolue donne la différence absolue moyenne entre les prévisions du modèle et les valeurs cible dans Watson OpenScale.

Erreur moyenne absolue en un coup d'oeil

  • Description : moyenne de la différence absolue entre la prévision du modèle et la valeur cible
  • Seuils par défaut : Limite supérieure = 80 %
  • Recommandation par défaut :
    • Tendance à la hausse : une tendance à la hausse indique que la métrique se dégrade. Les données de commentaires deviennent nettement différentes des données d'entraînement.
    • Tendance à la baisse : une tendance à la baisse indique que la métrique s'améliore. Cela signifie que l'entraînement du modèle est efficace.
    • Variation erratique ou irrégulière : Une variation erratique ou irrégulière indique que les données de commentaires ne sont pas cohérentes entre les évaluations. Augmentez la taille d'échantillon minimale pour le moniteur Qualité.
  • Type de problème : régression
  • Valeurs de graphique : dernière valeur de la période
  • Détails des métriques disponibles : Aucun

Calculs

L'erreur absolue moyenne est calculée en additionnant toutes les erreurs absolues et en les divisant par le nombre d'erreurs.

                         SUM  | Yi - Xi | 
Mean absolute errors =  ____________________

                          number of errors

En savoir plus

Examen des résultats de qualité

Rubrique parent : Présentation des métriques de qualité

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus