Metrik zur Genauigkeitsbewertung
Die Genauigkeitsmessung gibt an, wie korrekt Ihre Modellvorhersagen sind, indem der Anteil der korrekten Ergebnisse an der Gesamtzahl der Ergebnisse berechnet wird.
Metrikdetails
Genauigkeit ist eine Metrik zur Qualitätsbewertung, die die Qualität der Leistung von binären und mehrklassigen Klassifizierungsmodellen für maschinelles Lernen in watsonx.governance misst.
Bereich
Die Genauigkeitsmessung bewertet nur Modelle für maschinelles Lernen.
- Arten von KI-Ressourcen : Modelle für maschinelles Lernen
- Art des Problems beim maschinellen Lernen :
- Binärklassifikation
- Klassifikation in mehrere Klassen
Ergebnisse und Werte
Der Genauigkeitswert gibt den Anteil der korrekten Vorhersagen an, die von Ihrem Modell im Vergleich zur Gesamtzahl der Vorhersagen getroffen werden. Je höher die Punktzahl, desto mehr richtige Vorhersagen wurden getroffen.
- Wertebereich : 0.0-1.0
- Bestmögliche Punktzahl : 1.0
- Diagrammwerte: Letzter Wert im Zeitrahmen
- Kennzahlen:
- Bei 0: keine richtige Vorhersage
- Über 0: zeigt zunehmende Genauigkeit mit mehr korrekten Vorhersagen an
Einstellungen
Standardschwelle : Untergrenze = 80 %
Mathematische Berechnung
Die Genauigkeit wird mit der folgenden Formel berechnet:
- TP = True Positives
- TN = Echte Negative
- FP = Falsch-positive Ergebnisse
- FN = Falsch-negative
Übergeordnetes Thema: Bewertungsmetriken