Precisie
Het aandeel werkelijk positieve gevallen onder alle gevallen die het model als positief markeert.
Hoe betrouwbaar is de positieve markering?
Precisie meet welk aandeel van de positief gemarkeerde gevallen volgens de vastgelegde referentie werkelijk positief is. De formule is TP / (TP + FP): TP zijn terecht positieve en FP onterecht positieve toewijzingen. De maat hoort bij de gekozen klasse en beoordeling. Als geen geval positief is gemarkeerd, is de noemer nul; de rapportage moet duidelijk maken hoe zo’n ongedefinieerde waarde wordt behandeld.
In een fictief rekenvoorbeeld met 50 servicevragen markeert een model er 24 als bestemd voor technische service. Volgens de vooraf afgesproken toewijzingsregel horen er 18 werkelijk bij dat team en zijn er 6 onterecht gemarkeerd. De precisie is 18 / 24 = 75 %. Voor de bedrijfsvoering maakt dit de extra verkeerd doorgestuurde gevallen zichtbaar. De maat laat op zichzelf niet zien of ook technische vragen zijn gemist; daarvoor wordt recall bekeken.
Bronnen
Verwante begrippen
- LLM-evaluatieLLM-evaluatie toetst modeluitvoer aan vastgelegde taken en criteria. Eén goed voorbeeld bewijst geen algemene kwaliteit.
- Testgegevens bij machine learningGegevens voor de eindbeoordeling waarvan de resultaten niet zijn gebruikt om de beoordeelde modelvariant te kiezen.
- RecallHet aandeel werkelijk positieve gevallen dat het model terecht als positief herkent.
- F1-scoreHet harmonisch gemiddelde van precisie en recall voor dezelfde positieve klasse.
- VerwarringsmatrixEen tabel die referentieklassen en modelvoorspellingen vergelijkt en juiste en onjuiste toewijzingen telt.
- Herordening van zoekresultatenHerordening beoordeelt gevonden zoekkandidaten opnieuw. De aansluiting op de vraag en de grenzen van de eerste selectie blijven bepalend.
Uw project met ASES
Beschrijf ons uw project. We nemen contact met u op met een eerste inschatting.