Keskimääräinen keskitarkkuus (mean average precision, mAP) on mittari, joka arvioi, kuinka hyvin järjestelmä löytää olennaisia tuloksia ja sijoittaa ne kärkeen. Keskitarkkuus lasketaan tulosluettelosta kullekin kyselylle tai kohdeluokalle; mAP on näiden keskiarvo. Se on vakiomittari hakukoneille, suosittelujärjestelmille ja kohteiden tunnistukselle kuvissa, missä se riippuu myös rajauslaatikoiden vaaditusta päällekkäisyydestä.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoRecall (eli herkkyys tai oikeiden positiivisten osuus) mittaa, kuinka suuren osan todellisista positiivisista tapauksista malli havaitsee: oikein tunnistetut positiiviset jaettuna kaikilla todellisilla positiivisilla. Jos petossuodatin havaitsee 80 sadasta todellisesta petostapauksesta, sen recall on 0,8. Korkea recall on tärkeä, kun huomaamatta jääneet tapaukset ovat kalliita, kuten lääketieteellisessä diagnostiikassa. Koska se ei huomioi vääriä hälytyksiä, sitä tarkastellaan yleensä yhdessä tarkkuuden (precision) kanssa, esimerkiksi F-arvossa.
F-pistemäärä on luokittelumallien arviointimittari. Yleinen F1-pistemäärä on tarkkuuden (kuinka moni ennustetuista osumista on oikein) ja saantiasteen (kuinka moni todellisista osumista löytyi) harmoninen keskiarvo, ja sen arvo on 0–1. Se on erityisen hyödyllinen epätasapainoisen datan kanssa: roskapostisuodatin, joka ei lähes koskaan merkitse roskapostia, voi saavuttaa korkean osuvuuden mutta matalan F1-pistemäärän.
Tiedonhaku kattaa menetelmät, jotka löytävät suuresta tekstimassasta kyselyyn sopivat dokumentit tai tekstikohdat ja järjestävät ne relevanssin mukaan. Klassiset lähestymistavat, kuten BM25, painottavat hakutermejä sen mukaan, kuinka usein ja kuinka harvoin ne esiintyvät; uudemmat lisäävät semanttisen samankaltaisuuden. Se on hakukoneiden, yrityshaun ja hakuun perustuvan generoinnin perusta, jossa kielimalli käyttää haettuja tekstikohtia vastauksensa pohjana.
Top-k-tarkkuus mittaa, kuinka usein oikea vastaus on mallin k todennäköisimmän ehdotuksen joukossa. Top-1:ssä vain ensimmäinen ennuste lasketaan; top-5:ssä riittää, että oikea luokka on viiden parhaan joukossa, mikä on tunnettu mittari kuvantunnistuksen vertailuissa, kuten ImageNetissä. Se on hyödyllinen kaikkialla, missä käyttäjät näkevät useita ehdotuksia, esimerkiksi tuotesuosituksissa tai automaattisessa täydennyksessä.
