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.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoMatica zámen (confusion matrix) je tabuľka, ktorá porovnáva predpovede klasifikátora so skutočnými triedami. Pri dvoch triedach ukazuje skutočne pozitívne, falošne pozitívne, skutočne negatívne a falošne negatívne prípady. Z nej možno vypočítať metriky, ako sú presnosť, úplnosť a skóre F1, a je jasné, aké chyby sa vyskytujú. Príklad: filter spamu, ktorý označí veľa skutočných e-mailov ako spam, má veľa falošne pozitívnych výsledkov, čo je často drahšie než prehliadnutá spamová správa.
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.
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.
Klasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.
