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

Przypomnienie daje proporcję poprawnych predykcji dla klas pozytywnych w programie Watson OpenScale.

Przypomnij sobie na pierwszy rzut oka

  • Opis: Proporcja poprawnych predykcji w klasie 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

Przywracanie (R) jest zdefiniowane jako liczba prawdziwych pozytyw (Tp) w stosunku do liczby prawdziwych pozytyw plus liczba fałszywych negatywów (Fn).

                       number of true positives
Recall =   ______________________________________________________

           (number of true positives + number of false negatives)

Więcej inform.

Przeglądanie wyników jakości

Temat nadrzędny: Przegląd wielkości mierzonych dotyczących jakości