Střední průměrná přesnost (mean average precision, mAP) je metrika, která hodnotí, jak dobře systém nachází relevantní výsledky a řadí je na přední místa. Průměrná přesnost se počítá napříč seznamem výsledků pro každý dotaz nebo třídu objektů; mAP je průměr přes všechny. Je to standardní míra pro vyhledávače, doporučovací systémy a detekci objektů na obrázcích, kde závisí i na požadovaném překryvu ohraničujících rámečků.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoÚplnost (recall; též citlivost nebo míra skutečně pozitivních) měří, jaký podíl skutečně pozitivních případů model odhalí: správně rozpoznané pozitivní případy dělené všemi skutečně pozitivními. Pokud filtr podvodů zachytí 80 ze 100 skutečných podvodů, je jeho úplnost 0,8. Vysoká úplnost je důležitá tam, kde jsou přehlédnuté případy nákladné, například při lékařské diagnostice. Protože ignoruje plané poplachy, posuzuje se obvykle společně s přesností (precision), například v podobě skóre F.
F-skóre je metrika pro hodnocení klasifikačních modelů. Běžné F1 skóre je harmonický průměr přesnosti (kolik předpovězených zásahů je správných) a úplnosti (kolik skutečných zásahů bylo nalezeno) a pohybuje se od 0 do 1. Je užitečné zejména u nevyvážených dat: filtr spamu, který spam téměř nikdy neoznačí, může mít vysokou správnost, ale nízké F1 skóre.
Vyhledávání informací zahrnuje metody, které ve velkém množství textu najdou dokumenty nebo úryvky odpovídající dotazu a seřadí je podle relevance. Klasické přístupy, například BM25, váží hledané výrazy podle toho, jak často a jak vzácně se vyskytují; novější přidávají sémantickou podobnost. Je základem vyhledávačů, podnikového vyhledávání a generování rozšířeného o vyhledávání (RAG), v němž jazykový model používá nalezené úryvky jako podklad pro svou odpověď.
Přesnost top-k měří, jak často je správná odpověď mezi k nejpravděpodobnějšími návrhy modelu. U top-1 se počítá jen první předpověď; u top-5 stačí, aby správná třída byla mezi pěti nejlepšími, což je známá metrika z benchmarků rozpoznávání obrazu, jako je ImageNet. Je užitečná všude tam, kde uživatelé vidí několik návrhů, například u doporučení produktů nebo automatického doplňování.
