0 / 0
Torna alla versione inglese della documentazione
Precisione nelle metriche di qualità Watson OpenScale
Ultimo aggiornamento: 07 ott 2024
Precisione nelle metriche di qualità Watson OpenScale

La precisione fornisce la proporzione di previsioni corrette nelle previsioni totali delle classi positive in Watson OpenScale.

Precisione a colpo d'occhio

  • Descrizione: la proporzione delle previsioni corrette nelle previsioni della classe dei positivi
  • Soglie predefinite: limite inferiore = 80%
  • Raccomandazione predefinita:
    • Andamento crescente: un andamento crescente indica che la metrica sta migliorando. Ciò significa che il nuovo training del modello è efficace.
    • Andamento decrescente: un andamento decrescente indica che la metrica sta peggiorando. I dati di feedback stanno riportando differenze significative rispetto ai dati di training.
    • Variazione anomala o irregolare: una variazione anomala o irregolare indica che i dati di feedback non sono congruenti tra le valutazioni. Incrementare la dimensione minima del campione per il monitor Qualità.
  • Tipo di problema: classificazione binaria
  • Valori del grafico: Ultimo valore nel timeframe
  • Dettagli di metriche disponibili: matrice di confusione

Calcolo matematico

La precisione (P) è definita come il numero di veri positivi (Tp) rispetto al numero di veri positivi più il numero di falsi positivi (Fp).

                           number of true positives
Precision =  __________________________________________________________

             (number of true positives + the number of false positives)

Ulteriori informazioni

Revisione dei risultati di qualità

Argomento principale: Panoramica delle metriche di qualità

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni