Jak dobierać miary jakości i próg decyzji?
Uwaga do przejrzenia: Odpowiedź odwołuje się do CV lub oferty pracy autorki materiału — dostosuj ją do własnego doświadczenia.
Najpierw odpowiedz na głos lub w myślach, potem porównaj.
Odpowiedź
Najpierw ustalam, jaki błąd bardziej boli. Przy szukaniu ofert pominięcie dobrego wyniku może być ważniejsze niż pokazanie kilku dodatkowych. Przy automatycznym zatwierdzaniu dokumentu finansowego fałszywa akceptacja może być znacznie droższa. Dlatego nie wybieram miary wyłącznie po jej popularności.
Precision i recall opisują różne rodzaje trafności. Można też utworzyć strefę niepewności, którą sprawdza człowiek. Kalibracja oznacza sprawdzenie, czy deklarowana pewność zgadza się z rzeczywistą częstością poprawnych wyników. Wynik 0,9 lub suma wag nie stają się automatycznie 90% pewnością. Próg dobieram na przykładach i sprawdzam, jak działa dla różnych grup danych.
Dlaczego to ważne: Rozwinięcie prostego przykładu J-P04 do decyzji produktowej.
Możliwe dopytania: Jak często trzeba ponownie sprawdzać próg po zmianie danych?
Jak poszło? Bądź szczery — „Jeszcze nie” dodaje pytanie do powtórki.
Zacznij od
- J-P01 · Co to jest ewaluacja systemu AI, czyli eval? — Ewaluacja, jakość i production AI
- J-P02 · Czym ewaluacja różni się od zwykłego testu kodu? — Ewaluacja, jakość i production AI
Dalsza lektura
- Google ML Crash Course: Accuracy, precision, recall(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Macierz pomyłek i kompromisy wyboru metryk.