förutsägelseprecision
Förutsägelseprecision är graden av överensstämmelse mellan prognoser eller prediktioner och de faktiska utfallen. Inom statistik och maskinlärning beskriver den hur nära modellens förutsägelser ligger observerade värden. Begreppet används både för kontinuerliga utdata i regressionsproblem och för klassificeringsuppgifter där rätt beslut eller klassificering är målet.
Mätningar av precisionen varierar beroende på problemtyp. För regression används vanligtvis felmått som medelabsolut fel (MAE),
Faktorer som påverkar förutsägelseprecisionen inkluderar datakvalitet och storlek, stationaritet och varians i data, modellens komplexitet och
Att förbättra precisionen innebär ofta åtgärder som förbättrad datakvalitet och feature engineering, användning av lämpliga utvärderingsstrategier