Sanasto

Recall koneoppimisessa

Mikä on Recall koneoppimisessa?

Recall (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.

Aiheet

mittari
mallin arviointi
luokittelu

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

F-pistemäärä (F1-pistemäärä)

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.

Arviointimittari
Luokitus
+1

Sekaannusmatriisi

Sekaannusmatriisi (confusion matrix) on taulukko, joka vertaa luokittelijan ennusteita todellisiin luokkiin. Kahden luokan tapauksessa se näyttää oikeat positiiviset, väärät positiiviset, oikeat negatiiviset ja väärät negatiiviset. Siitä voidaan laskea mittareita, kuten tarkkuus, saanti ja F1-pistemäärä, ja selviää, millaisia virheitä syntyy. Esimerkki: roskapostisuodatin, joka merkitsee monta aitoa sähköpostia roskapostiksi, tuottaa paljon vääriä positiivisia, mikä on usein kalliimpaa kuin ohi päässyt roskaposti.

Mallin arviointi
Luokitus
+1

ROC-käyrä

ROC-käyrä (receiver operating characteristic) näyttää, kuinka hyvin luokittelumalli erottaa kaksi luokkaa toisistaan. Se piirtää jokaiselle mahdolliselle päätöskynnykselle oikeiden positiivisten osuuden (recall) vääriä positiivisia vastaan. Mitä lähempänä käyrä on vasenta yläkulmaa, sen parempi; lävistäjä vastaa pelkkää arvausta. Sen alle jäävä pinta-ala (AUC) tiivistää käyrän yhteen lukuun ja auttaa esimerkiksi eri petostentunnistusmallien vertailussa.

mittari
mallin arviointi
+1

Keskimääräinen keskitarkkuus (mAP)

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.

mittari
haku
+1