0 / 0
Go back to the English version of the documentation
Watson OpenScale kalite ölçümlerinde duyarlık
Last updated: 15 Haz 2023
Watson OpenScale kalite ölçümlerinde duyarlık

Duyarlık, Watson OpenScaleiçindeki pozitif sınıfların toplam tahminlerinde doğru tahminlerin oranını verir.

Bir bakışta duyarlık

  • Description(Açıklama): Olumlu sınıfa ilişkin öngörülerde doğru öngörülerin önbölümü
  • Varsayılan eşikler: Alt sınır = 80%
  • Varsayılan öneri:
    • Yukarı yönlü eğilim: Yukarı yönlü bir eğilim, metriğin iyileştirileceğini gösterir. Bu, model yeniden eğitiminin etkili olduğu anlamına gelir.
    • Aşağı yönlü eğilim: Aşağı doğru bir eğilim, metriğin bozulduğunu gösterir. Geri bildirim verileri, eğitim verisinden önemli ölçüde farklı hale geliyor.
    • Dengesiz ya da düzensiz varyasyon: düzensiz ya da düzensiz bir varyasyon, değerlendirmeler arasında geribildirim verilerinin tutarlı olmadığını gösterir. Kalite izleme programı için örnek büyüklüğü alt sınırını artırın.
  • Sorun tipi: İkili sınıflandırma
  • Grafik değerleri: Zaman çerçevesindeki son değer
  • Ölçüm ayrıntıları kullanılabilir: Konfüzyon matrisi

Hesabı yap.

Duyarlık (P), gerçek pozitiflerin sayısı ve yalancı pozitiflerin (Fp) sayısı üzerinden gerçek pozitiflerin (Tp) sayısı olarak tanımlanır.

                           number of true positives
Precision =  __________________________________________________________

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

Daha fazla bilgi

Kalite sonuçlarını gözden geçirme

Üst konu: Kalite ölçümlerine genel bakış

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more