Доверительная оценка Classify

Узнайте, как Zonos Classify использует доверительную оценку на основе энтропии и как настроить минимальную доверительную оценку.

Как это работает 

Доверительная оценка в Classify — это числовое значение от 0% до 100%, выраженное в виде десятичной дроби, предназначенное для представления уровня уверенности в классификации. Эта оценка определяется с использованием энтропии, метода из теории информации, который измеряет неопределённость или случайность в данных. Поскольку энтропия количественно определяет неопределённость, более высокая неопределённость приводит к более низким доверительным оценкам, в то время как более низкая неопределённость дает более высокие доверительные оценки. Этот подход обеспечивает более глубокое понимание неопределённости в классификациях, что приводит к более точной доверительной оценке по сравнению со стандартным вероятностным подходом, который просто определяет количество наиболее вероятного варианта.

Доверительная оценка, определённая здесь, не является калибруемой. Это означает, что сами оценки не могут быть интерпретированы в абсолютных терминах. Например, оценка 85% не обязательно означает, что классификация будет давать благоприятный результат в 85% случаев для ваших целей. Вместо этого эти оценки наиболее полезны при сравнении друг с другом. Классификация с доверительной оценкой 85% имеет более высокую вероятность благоприятных результатов по сравнению с оценкой доверия в 75%.

Рассмотрите этот сценарий: предоставление только информации «свитер» или «еда» может по ошибке предположить, что обе категории имеют равные шансы на правильность. Однако у «свитеров» есть 10 подзаголовков, а «прочие пищевые препараты» охватывают 600 подзаголовков. Доверительные оценки на основе энтропии учитывают эти различия, что приводит к гораздо более высокой доверительности в классификации «свитер», чем в классификации «еда».

Диапазоны доверия

Доступные на Dashboard, диапазоны доверия Classify обеспечивают простую и интуитивную схему интерпретации доверительных оценок. Экспертная оценка оценки энтропии и данные повлияли на создание этих диапазонов, целью которых является эффективное сообщение нашего уровня доверия в каждую классификацию. Эта система разработана для минимизации двусмысленности, облегчая пользователям принимать обоснованные решения на основе доверительных оценок.

• 75-100% = Высокое доверие
• 50-74% = Умеренное доверие
• 25-49% = Справедливое доверие
• 10-24% = Низкое доверие
• 0-9% = Нет результата

Настройка минимальной доверительной оценки 

Хотя Classify имеет доверительную оценку по умолчанию, вы можете настроить оценку в соответствии с потребностями вашего бизнеса. Если доверительная оценка меньше желаемого процента, Classify не вернёт код HS. Вместо этого он уведомит вас, что код HS не был найден, и предложит вам добавить больше информации о продукте.

Доверительная оценка Classify — это неотъемлемая часть Classify, так как она гарантирует, что мы возвращаем коды HS в соответствии с вашей терпимостью к риску. Например, если вы установите доверительную оценку на уровне 25%, Classify, вероятно, не будет предоставлять классификации для двусмысленных описаний, таких как «ручной аксессуар» или «pack dragon». Однако, снизив доверительную оценку до 0%, Classify будет делать предположения, такие как классификация «ручного аксессуара» как «браслета» и «dragon pack» как «игрушки», чтобы гарантировать, что вы получите ответ классификации, когда это возможно.

Чтобы проконсультироваться с экспертом по классификации и скорректировать уровень доверительной оценки, обратитесь в classify@zonos.com.

Предоставленные коды HS 

Если вы предоставляете предоставленный код HS в качестве поля ввода Classify, мы рассматриваем это как известный атрибут. Как таких, все классификации будут находиться в этом подмножестве таксономии, и предоставленная доверительная оценка будет ограничена тем же подмножеством таксономии. Например, если вы предоставляете 62 в качестве предоставленного кода HS для универсального запроса, доверительная оценка будет основана на цифрах с 3 по 6, поскольку мы предполагаем, что предоставленный код HS верен.