0 / 0
Go back to the English version of the documentation
Precyzja w pomiarach jakości Watson OpenScale
Last updated: 15 cze 2023
Precyzja w pomiarach jakości Watson OpenScale

Precyzja daje proporcję poprawnych predykcji w całkowitych predykatach klas pozytywnych w programie Watson OpenScale.

Precyzja na pierwszy rzut oka

  • Opis: Proporcja poprawnych predykcji w predykatach klasy dodatniej
  • Progi domyślne: Dolny limit = 80%
  • Domyślna rekomendacja:
    • Trend wzrostowy: trend wzrostowy wskazuje, że pomiar jest udoskonalany. Oznacza to, że przekwalifikowanie modelu jest skuteczne.
    • Trend w dół: trend spadkowy wskazuje, że pomiar jest pogarszający się. Dane zwrotne stają się znacznie inne niż dane treningowe.
    • Zmienność nieregularna lub nieregularna: odmiana nieregularna lub nieregularna wskazuje, że dane dotyczące sprzężenia zwrotnego nie są spójne między ocenami. Zwiększ minimalną wielkość próbki dla monitora jakości.
  • Typ problemu: Klasyfikacja binarna
  • Wartości wykresu: Ostatnia wartość w przedziale czasu
  • Dostępne szczegóły metryk: Macierz konfuzyjna

Wykonaj matematykę

Precyzja (P) jest definiowana jako liczba prawdziwych pozytyw (Tp) nad liczbą prawdziwych pozytyw plus liczba fałszywych pozytyw (Fp).

                           number of true positives
Precision =  __________________________________________________________

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

Więcej inform.

Przeglądanie wyników jakości

Temat nadrzędny: Przegląd wielkości mierzonych dotyczących jakości