Go back to the English version of the documentationPrecyzja w pomiarach jakości Watson OpenScale
Precyzja w pomiarach jakości Watson OpenScale
Last updated: 15 cze 2023
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.
Temat nadrzędny: Przegląd wielkości mierzonych dotyczących jakości