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