test-sæt-nøjagtighed
Måling af andelen af korrekte forudsigelser på et separat testsæt, som modellen ikke har set under træning.
Kort fortalt
Test-sæt-nøjagtighed fortæller, hvor ofte en AI-model svarer rigtigt på data, den ikke har set før.
- Kategori
- metrik
- Niveau
- begynder
Betydninger
1- 1
Procentdel af korrekte klassifikationer på et testsæt.
- Modellen opnåede en test-sæt-nøjagtighed på 94,2 % på MNIST.
- Test-sæt-nøjagtighed kan være misvisende ved ubalancerede klasser.
Hvornår bruges det
Test-sæt-nøjagtighed er den mest almindelige måde at evaluere en klassifikationsmodels ydeevne på. Den bruges til at sammenligne forskellige modeller eller til at afgøre, hvornår træningen skal stoppes.
Formel
accuracy = (TP + TN) / (TP + TN + FP + FN)Oprindelse
Termen stammer fra statistik og maskinlæring, hvor 'testsæt' refererer til data, der er holdt tilbage til endelig evaluering, og 'nøjagtighed' er oversættelse af 'accuracy'.
Kilder
1- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning.