Quando si abilitano le valutazioni della qualità in Watson OpenScale, è possibile generare metriche che consentono di determinare in che modo il modello prevede i risultati.
È possibile visualizzare i risultati delle valutazioni della qualità sul dashboard Insights in Watson OpenScale. Per visualizzare i risultati, è possibile selezionare un riquadro di distribuzione del modello e fare clic sulla freccia 
nella sezione di valutazione Qualità per visualizzare un riepilogo delle metriche di qualità dall'ultima valutazione. Per ulteriori informazioni, consultare Revisione dei risultati di qualità.
Le metriche di qualità vengono calcolate con dati di feedback etichettati manualmente e risposte di distribuzione monitorate. Per ulteriori informazioni, vedi Gestione dei dati di feedback.
Metriche di qualità supportate
Le seguenti metriche di qualità sono supportate da Watson OpenScale:
Problemi di classificazione binaria
Per i modelli binari, Watson OpenScale traccia quando la qualità del modello scende al di sotto di un livello accettabile. Per i modelli di classificazione binari, controlla il punteggio Area sotto ROC , che misura la capacità del modello di distinguere tra due classi. Ad esempio, i modelli con punteggi Area sotto ROC più elevati sono migliori nell'identificare la classe A come classe A e la classe B come classe B. Le seguenti metriche misurano i problemi di classificazione binaria:
Problemi di classificazione di regressione
Per i modelli di regressione, Watson OpenScale traccia quando la qualità del modello scende al di sotto di un livello accettabile e controlla il punteggio R - quadrato . Il punteggio R - quadrato misura la correlazione tra i valori previsti e i valori effettivi. Ad esempio, i modelli con Punteggi R - quadrato più alto si adattano meglio ai valori effettivi. Le seguenti metriche misurano i problemi di classificazione della regressione:
Problemi di classificazione multiclasse
Per i modelli a più classificazioni, Watson OpenScale tiene traccia di quando la qualità del modello rientra in un livello accettabile e controlla il punteggio Accuratezza che fornisce la percentuale di previsioni accurate. Le seguenti metriche misurano i problemi di classificazione multiclasse:
- Accuratezza
- Tasso ponderato di veri positivi (wTPR - Weighted True Positive Rate)
- Tasso ponderato di falsi positivi (wFPR - Weighted False Positive Rate)
- Richiamo ponderato
- Precisione ponderata
- Misura F1 ponderata
- Perdita logaritmica
Dopo che Watson OpenScale ha rilevato problemi di qualità, come violazioni di soglia di accuratezza, devi creare una nuova versione del modello che risolva il problema. Utilizzando i dati etichettati manualmente nella tabella di feedback, è necessario riaddestrare il modello insieme ai dati di addestramento originali.
Ulteriori informazioni
Revisione dei risultati di valutazione
Argomento principale Configurazione delle valutazioni della qualità