Glossário

Precisão média média (mAP)

O que é Precisão média média (mAP)?

A precisão média média (mAP, do inglês mean average precision) é uma métrica que avalia em que medida um sistema encontra resultados relevantes e os coloca perto do topo. A precisão média é calculada ao longo da lista de resultados para cada consulta ou classe de objetos; a mAP é a média de todas elas. É uma medida padrão para motores de pesquisa, sistemas de recomendação e deteção de objetos em imagens, onde depende também da sobreposição exigida das caixas delimitadoras.

Temas

métrica
pesquisa
deteção de objetos

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Recall em aprendizagem automática

O recall (também chamado sensibilidade ou taxa de verdadeiros positivos) mede a proporção dos casos realmente positivos que um modelo deteta: positivos corretamente identificados a dividir por todos os positivos reais. Se um filtro de fraude apanha 80 de 100 casos reais de fraude, o seu recall é 0,8. Um recall elevado é importante quando os casos não detetados são dispendiosos, como no diagnóstico médico. Como ignora os falsos alarmes, é geralmente considerado em conjunto com a precisão, por exemplo na pontuação F.

métrica
avaliação de modelos
+1

F-score (pontuação F1)

O F-score é uma métrica para avaliar modelos de classificação. A pontuação F1, a mais comum, é a média harmónica da precisão (quantos dos acertos previstos estão corretos) e da revocação (quantos dos acertos reais foram encontrados) e varia entre 0 e 1. É especialmente útil com dados desequilibrados: um filtro de spam que quase nunca assinala spam pode ter uma exatidão elevada, mas uma pontuação F1 baixa.

Métrica de avaliação
Classificação
+1

Recuperação de informação

A recuperação de informação abrange métodos que encontram, num grande corpo de texto, os documentos ou passagens que correspondem a uma consulta e os ordenam por relevância. As abordagens clássicas, como o BM25, ponderam os termos de pesquisa consoante a frequência e a raridade com que ocorrem; as mais recentes acrescentam a semelhança semântica. Está na base dos motores de pesquisa, da pesquisa empresarial e da geração aumentada por recuperação, em que um modelo de linguagem usa as passagens recuperadas como base da sua resposta.

Pesquisa
BM25
+1

Exatidão top-k

A exatidão top-k mede com que frequência a resposta correta se encontra entre as k sugestões mais prováveis de um modelo. No top-1, só conta a primeira previsão; no top-5, basta que a classe correta esteja entre as cinco melhores, uma métrica bem conhecida dos benchmarks de reconhecimento de imagens, como o ImageNet. É útil sempre que os utilizadores veem várias sugestões, por exemplo em recomendações de produtos ou no preenchimento automático.

Métrica
Avaliação
+1