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