Scorul F este o metrică pentru evaluarea modelelor de clasificare. Scorul F1, cel mai des folosit, este media armonică dintre precizie (câte dintre rezultatele prezise sunt corecte) și recall (câte dintre rezultatele reale au fost găsite) și variază între 0 și 1. Este util mai ales în cazul datelor dezechilibrate: un filtru de spam care aproape niciodată nu marchează spamul poate avea o acuratețe ridicată, dar un scor F1 scăzut.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulRecall-ul (numit și sensibilitate sau rata pozitivelor reale) măsoară ce parte din cazurile pozitive reale detectează un model: pozitivele identificate corect împărțite la toate pozitivele reale. Dacă un filtru antifraudă prinde 80 din 100 de cazuri reale de fraudă, recall-ul său este 0,8. Un recall ridicat contează atunci când cazurile ratate sunt costisitoare, de exemplu în diagnosticul medical. Fiindcă ignoră alarmele false, este de obicei analizat împreună cu precizia, de exemplu în scorul F.
O matrice de confuzie este un tabel care compară predicțiile unui clasificator cu clasele reale. Pentru două clase, arată adevărații pozitivi, fals pozitivii, adevărații negativi și fals negativii. Pe baza ei se pot calcula metrici precum precizia, recall-ul și scorul F1 și devine clar ce erori apar. Exemplu: un filtru de spam care marchează multe e-mailuri legitime drept spam are mulți fals pozitivi, ceea ce este adesea mai costisitor decât un mesaj spam ratat.
Aria de sub curbă (AUC) este o metrică pentru modelele de clasificare, referindu-se de obicei la curba ROC. Arată cât de bine separă un model cazurile pozitive de cele negative, independent de un anumit prag. O valoare de 1 înseamnă separare perfectă; 0,5 nu e mai bună decât ghicitul. Exemplu: un model de pierdere a clienților cu AUC de 0,85 plasează un client ales la întâmplare care pleacă drept mai riscant decât unul fidel în 85% din cazuri.
Acuratețea top-k măsoară cât de des se află răspunsul corect printre cele k sugestii cele mai probabile ale unui model. La top-1 contează doar prima predicție; la top-5 este suficient ca clasa corectă să se afle printre primele cinci, o metrică binecunoscută din benchmark-urile de recunoaștere a imaginilor, precum ImageNet. Este utilă oriunde utilizatorii văd mai multe sugestii, de exemplu la recomandările de produse sau la completarea automată.
