modellpontosság

Modellpontosság, vagy angol nyelvű kifejezésben model accuracy, a statisztikai vagy gépi tanulási modell által adott előrejelzések és a releváns valós értékek közötti egyezés vagy közelítés mértéke. A fogalom általában a modell teljesítményét értékeli egy adott feladaton, és különböző problématípusok esetén eltérő metrikákat írhat le.

Osztályozási feladatoknál alapvető a pontosság aránya, vagyis a helyesen osztályozott példák száma a teljes példaszámhoz viszonyítva. Gyakran használják a precizitás (pozitív előrejelzések helyessége), a visszahívás (valódi pozitívak közül hányat talált meg a modell) és az F1-score kombinációját. A ROC‑AUC a rangsorolási képességet méri.

Regressziós feladatoknál a modellpontosságot általában hiba vagy eltérés alapján mérik: RMSE (gyökössze-számított hiba), MAE (átlagos abszolút hiba), MAPE és az R² (magasabb érték jobb illesztés).

Az értékelést gyakran train/valid/test megosztással végzik, vagy kereszt-validációval és bootstrap-alapú becsléssel. Fontos a leakage (adat-szivárgás) elkerülése, valamint a reprezentativitás és az adatminőség. Osztály- vagy regressziós problémánál a kiegyensúlyozatlanság befolyásolhatja a modellpontosság megítélését.

Összességében a modellpontosság lényeges mérőszám a modell hasznosságának értékeléséhez, de önmagában nem ad teljes képet. A kontextus szerint értelmezendő, és gyakran több metrika és a predikciók bizonytalanságának jelzése is szükséges a megalapozott döntésekhez.