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.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulO 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.
Mean average precision (mAP) este o metrică ce evaluează cât de bine găsește un sistem rezultatele relevante și le plasează în partea de sus. Precizia medie se calculează de-a lungul listei de rezultate pentru fiecare interogare sau clasă de obiecte; mAP este media tuturor acestora. Este o măsură standard pentru motoarele de căutare, sistemele de recomandare și detectarea obiectelor în imagini, unde depinde și de suprapunerea cerută a casetelor de încadrare.
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.
Un clasificator este un model sau o metodă care atribuie intrările uneia dintre mai multe categorii predefinite. Variantele clasice, precum arborii de decizie sau naive Bayes, sunt antrenate pe exemple etichetate; modelele lingvistice pot sorta texte și pe baza unei descrieri a categoriilor. Utilizări tipice sunt detectarea spamului, sortarea solicitărilor clienților pe teme și categorisirea bonurilor. Calitatea se măsoară cu metrici precum acuratețea, precizia și recall-ul.
