Área bajo la métrica de evaluación de relaciones públicas
El área bajo la métrica PR mide lo bien que su modelo equilibra la correcta identificación de clases positivas con la búsqueda de todas las clases positivas.
Detalles de métrica
El área bajo la precisión de recuperación (PR) es una métrica de evaluación de calidad que mide la calidad del rendimiento de los modelos de aprendizaje automático de clasificación binaria en watsonx.governance.
Ámbito
El área bajo la métrica de PR evalúa solo los modelos de aprendizaje automático.
Tipos de activos de IA : modelos de aprendizaje automático
Tipo de problema de aprendizaje automático : Clasificación binaria
Puntuaciones y valores
El área bajo la puntuación métrica de PR indica lo bien que el modelo equilibra la precisión y el recuerdo. Las puntuaciones más altas indican un mejor rendimiento del modelo a la hora de identificar y encontrar clases positivas.
- Rango de valores : 0.0-1.0
- Mejor puntuación posible : 1.0
- Valores de gráfico: Último valor en el margen de tiempo
Una puntuación de 0.5 sugiere una suposición aleatoria, mientras que una puntuación de 1.0 representa una clasificación perfecta.
Valores
Umbral predeterminado : Límite inferior = 80 %
Proceso de evaluación
El área bajo PR se calcula trazando la precisión frente al recuerdo para diferentes valores de umbral. Para cada umbral, se genera una matriz de confusión que especifica las clases de verdaderos positivos, falsos positivos y falsos negativos.
La precisión y el recuerdo se calculan con estas clases y se trazan para crear la curva PR. El área bajo esta curva se calcula para generar la puntuación métrica.
Cómo se calcula
El área bajo PR calcula el total de precisión y recuerdo con la siguiente fórmula:
La precisión (P) se calcula como el número de verdaderos positivos (Tp) sobre el número de verdaderos positivos más el número de falsos positivos (Fp) con la siguiente fórmula:
La tasa de recuperación (R) se calcula como el número de verdaderos positivos (Tp) sobre el número de verdaderos positivos más el número de falsos negativos (Fn) con la siguiente fórmula:
Tema principal: Métricas de evaluación