0 / 0
Volver a la versión inglesa de la documentación
Precisión ponderada en métricas de calidad de Watson OpenScale
Última actualización: 07 oct 2024
Precisión ponderada en métricas de calidad de Watson OpenScale

La precisión ponderada proporciona la media ponderada de precisión con ponderaciones iguales a la probabilidad de clase en Watson OpenScale.

Detalles de la precisión ponderada

  • Descripción: Media ponderada de precisión con ponderaciones iguales a la probabilidad de clase
  • Umbrales predeterminados: límite inferior = 80%
  • Recomendación predeterminada:
    • Tendencia al alza: Una tendencia al alza indica que la métrica está mejorando. Esto significa que el reentrenamiento del modelo es efectivo.
    • Tendencia a la baja: Una tendencia a la baja indica que la métrica se está deteriorando. Los datos de comentarios ya son significativamente distintos respecto a los datos de entrenamiento.
    • Variación errática o irregular: Una variación errática o irregular indica que los datos de comentarios no son coherentes entre evaluaciones. Incremente el tamaño mínimo de la muestra para el supervisor de calidad.
  • Tipo de problema: Clasificación multiclase
  • Valores de gráfico: Último valor en el margen de tiempo
  • Detalles de métricas disponibles: Matriz de confusión

Cómo se calcula

La precisión (P) se define como el número de verdaderos positivos (Tp) sobre el número de verdaderos positivos más el número de falsos positivos (Fp).

                            number of true positives
Precision =  ________________________________________________________

             number of true positives + the number of false positives

Más información

Revisión de resultados de calidad

Tema principal: Visión general de las métricas de calidad

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información