Área sob a métrica de avaliação de PR
A área sob a métrica PR mede o quanto seu modelo equilibra a identificação correta de classes positivas com a localização de todas as classes positivas.
Detalhes da métrica
A área sob precisão, recall (PR) é uma métrica de avaliação de qualidade que mede a qualidade do desempenho dos modelos de aprendizado de máquina de classificação binária em watsonx.governance.
Escopo
A área sob a métrica PR avalia apenas os modelos de aprendizado de máquina.
Tipos de ativos de IA : Modelos de aprendizado de máquina
Tipo de problema de aprendizado de máquina : Classificação binária
Pontuações e valores
A área sob a pontuação da métrica PR indica quão bem o modelo equilibra precisão e recuperação. Pontuações mais altas indicam melhor desempenho do modelo na identificação e localização de classes positivas.
- Faixa de valores : 0.0-1.0
- Melhor pontuação possível : 1.0
- Valores do gráfico: último valor no intervalo de tempo
Uma pontuação de 0.5 sugere adivinhação aleatória, enquanto uma pontuação de 1.0 representa uma classificação perfeita.
Configurações
Limite padrão : Limite inferior = 80%
Processo de avaliação
A área sob PR é calculada plotando a precisão em relação à recuperação para diferentes valores de limite. Para cada limite, é gerada uma matriz de confusão que especifica as classes de verdadeiros positivos, falsos positivos e falsos negativos.
A precisão e a revocação são calculadas com essas classes e plotadas para criar a curva PR. A área sob essa curva é calculada para gerar a pontuação do índice.
Fazer os cálculos
A área sob PR calcula o total de precisão e recuperação com a seguinte fórmula:
A precisão (P) é calculada como o número de verdadeiros positivos (Tp) sobre o número de verdadeiros positivos mais o número de falsos positivos (Fp) com a seguinte fórmula:
O recall (R) é calculado como o número de verdadeiros positivos (Tp) sobre o número de verdadeiros positivos mais o número de falsos negativos (Fn) com a seguinte fórmula:
