Stredná priemerná presnosť (mAP, mean average precision) je metrika, ktorá hodnotí, nakoľko dobre systém nachádza relevantné výsledky a radí ich navrch. Priemerná presnosť sa vypočíta naprieč zoznamom výsledkov pre každý dopyt alebo triedu objektov; mAP je priemer cez všetky. Je to štandardná miera pre vyhľadávače, odporúčacie systémy a detekciu objektov v obrázkoch, kde závisí aj od požadovaného prekrytia ohraničujúcich rámov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoRecall (nazývaný aj senzitivita alebo miera skutočne pozitívnych) meria, aký podiel skutočných pozitívnych prípadov model odhalí: správne identifikované pozitívne prípady vydelené všetkými skutočnými pozitívnymi. Ak filter podvodov zachytí 80 zo 100 skutočných podvodov, jeho recall je 0,8. Vysoký recall je dôležitý tam, kde je premeškaný prípad nákladný, napríklad pri lekárskej diagnostike. Keďže ignoruje falošné poplachy, zvyčajne sa posudzuje spolu s presnosťou (precision), napríklad v skóre F.
Skóre F je metrika na hodnotenie klasifikačných modelov. Bežné skóre F1 je harmonický priemer presnosti (koľko predpovedaných zásahov je správnych) a úplnosti (koľko skutočných zásahov sa našlo) a pohybuje sa od 0 do 1. Je užitočné najmä pri nevyvážených údajoch: filter spamu, ktorý spam takmer nikdy neoznačí, môže mať vysokú správnosť, ale nízke skóre F1.
Vyhľadávanie informácií (information retrieval) zahŕňa metódy, ktoré vo veľkom súbore textov nájdu dokumenty alebo úryvky zodpovedajúce dopytu a zoradia ich podľa relevantnosti. Klasické prístupy, ako je BM25, váhujú hľadané výrazy podľa toho, ako často a ako zriedka sa vyskytujú; novšie pridávajú sémantickú podobnosť. Tvorí základ vyhľadávačov, podnikového vyhľadávania a generovania rozšíreného o vyhľadávanie (RAG), pri ktorom jazykový model používa nájdené úryvky ako základ svojej odpovede.
Presnosť Top-k meria, ako často sa správna odpoveď nachádza medzi k najpravdepodobnejšími návrhmi modelu. Pri top-1 sa počíta len prvá predikcia; pri top-5 stačí, aby bola správna trieda medzi piatimi najlepšími, čo je známa metrika z benchmarkov rozpoznávania obrazu, ako je ImageNet. Je užitočná všade, kde používatelia vidia viacero návrhov, napríklad pri odporúčaniach produktov alebo automatickom dopĺňaní.
