AITerms 登入
iPAS 中級 模型評估機器學習AI基礎

精確率(Precision)是什麼?

精確率是模型預測為正例中真正為正例的比例,反映預測結果的準確度,與召回率形成取捨

完整定義

精確率(Precision)是一種用於評估分類模型效能的指標,用於衡量模型預測為正例的樣本中,真正為正例的比例。計算公式為:真正例 / (真正例 + 假正例)。在 iPAS 初級考試中,精確率是評估模型效能的重要指標之一,需要與其他指標(如召回率、F1 分數)一起使用,以全面了解模型的表現。

白話說明

你有沒有遇過模型一直亂報警,讓你懷疑它到底抓對幾個?

你可以把 精確率 想成 看模型對下文有多不猶豫。

語言模型越會接續文字,困惑度通常越低,預測為正的裡面,有多少是真的 這件事就特別重要。

記住這句

預測為正的裡面,有多少是真的

比喻:精確率就像是「警察抓小偷的準確度」-- 警察說抓到的是小偷,結果真的就是小偷的比例。如果精確率很高,表示警察很少會冤枉好人。

容易混淆

精確率 vs 召回率

精確率像「抓對的比例」,強調不誤抓;召回率像「抓全的比例」,強調不漏抓。高精確率可能導致漏抓,高召回率可能導致誤抓,兩者常需權衡。

最關鍵的區別:一個看語言流暢度,一個是訓練時的損失。

精確率 vs 交叉熵

困惑度是從交叉熵轉出的指標,通常越低越好

最關鍵的區別:一個是可讀分數,一個是背後的損失。

實際案例

案例 1:垃圾信件過濾時,少誤殺正常信最重要

案例 2:醫療警報想減少假陽性,就常看精確率

演算法與應用

核心意思就是:預測為正的裡面,有多少是真的。

它常用來比較語言模型,而不是直接看分類正確率

值低不代表一定最適合產品,還要看實際任務和成本

情境判斷

Q2(判斷題): 困惑度低,就代表模型一定更好嗎?

看情況,通常代表語言模型更會接續文字,但還要看任務目標和成本

iPAS 考題

出題方向: 精確率 常考概念、應用場景和與相近術語的差別。

Q:如果題目問你「哪個敘述最符合 精確率?」要先看什麼?

先看它是在解決「預測為正的裡面,有多少是真的」這件事,還是只是描述相似的工具或流程。

常見問題

範例考題

某製造業公司建置機器學習模型,用於預測產品是否為瑕疵品。實際生產資料中,瑕疵品比例極低,大多數樣本皆為正常品。模型測試時發現,即使模型多數預測為正常品,仍可獲得很高的整體準確率。在此情境下,若希望更有效衡量模型對瑕疵品的辨識能力,下列何者較適合作為主要評估指標?

  1. AF1-score
  2. B均方誤差(Root Mean Squared Error, RMSE)
  3. C準確率(Accuracy)
  4. D判定係數(R², Coefficient of Determination)
到題目頁作答

出現在這些考古題

官方公告試題的逐題解析裡,有 6 題把精確率列為延伸術語,這裡列出 5 題。

立即測驗

想測試你對 精確率 的掌握程度?用考古題作答

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。

其他格式:Markdown 版本