PR評価指標下の面積
最終更新: 2025年2月04日
PR メトリックの面積は、モデルが正のクラスを正確に特定することと、すべての正のクラスを見つけることのバランスをどれだけうまく取っているかを測定します。
メトリックの詳細
watsonx.governance における二値分類の機械学習モデルのパフォーマンスの質を測定する品質評価指標は、精密再認（PR）の下の面積です。
有効範囲 (Scope)
PRメトリックの評価対象は機械学習モデルのみです。
AI 資産の種類：機械学習モデル
機械学習問題の種類 ：二値分類
スコアと価値
PR メトリックのスコアの下の面積は、モデルが精度と再現性をどれだけうまくバランスさせているかを示します。 スコアが高いほど、正解クラスを特定し、見つけるモデルのパフォーマンスが優れていることを示します。
- 値の範囲 ： 0.0-1.0
- 最高得点 ： 1.0
- グラフ値: 時間フレーム内の最終値
0.5 のスコアはランダムな推測を示唆する一方、 1.0 のスコアは完璧な分類を表します。
設定
デフォルトのしきい値 ：下限値 = 80%
評価プロセス
PR下の面積は、異なる閾値に対する精度と再現率をプロットすることで算出される。 各しきい値について、真陽性、偽陽性、偽陰性のクラスを指定する混同行列が生成されます。
これらのクラスで精度と再現率を計算し、プロットしてPR曲線を作成します。 この曲線下の面積が計算され、メトリックスコアが生成されます。
計算
PRの下の面積は、以下の式で、精度と再現性の合計を計算します
精度（P）は、真陽性（Tp）の数から真陽性と偽陽性の数（Fp）を足した数で、以下の式で計算されます
Recall (R) は、真陽性数（Tp）を真陽性数と偽陰性数（Fn）の合計数で割った数値として、以下の式で計算されます
親トピック： 評価基準
トピックは役に立ちましたか?
0/1000