Classification threshold, definícia a použitie | AI slovník

Odborná definícia

Classification threshold je hranica, ktorá premieňa spojité skóre alebo odhad pravdepodobnosti binárneho klasifikátora na pozitívne či negatívne rozhodnutie. Zmena prahu nemení naučené parametre modelu, ale presúva prípady medzi štyrmi bunkami binárnej matice zámen a tým mení profil chýb. Vyberá sa na validačných dátach podľa nákladov, kapacity, regulácie alebo cieľovej metriky. Prah 0,5 nie je prirodzene optimálny a pri nekalibrovanom skóre nemusí znamenať 50 percent reálnej pravdepodobnosti.

Zrozumiteľné vysvetlenie

Model podvodu môže transakcii prideliť skóre 0,32. Ak je prah 0,5, platba prejde, pri prahu 0,2 sa zastaví. Nižšia hranica zachytí viac podvodov, ale skontroluje aj viac legitímnych nákupov. Správne nastavenie preto vychádza z ceny prehliadnutého podvodu, škody z falošného blokovania a počtu prípadov, ktoré zvládne tím preveriť. Prah sa môže líšiť podľa produktu alebo režimu, no segmentové pravidlá musia byť právne a eticky odôvodnené a pravidelne monitorované. Každá zmena hranice má mať zaznamenaný dôvod, dátový podklad a očakávaný dopad.

Časté otázky

Ako prah ovplyvňuje precision a recall?

Zníženie prahu zvyčajne označí viac prípadov ako pozitívne, takže recall rastie a precision môže klesnúť. Zvýšenie robí rozhodnutie konzervatívnejším. Presný vzťah sa číta z precision-recall alebo ROC krivky na validačnej sade.

Môže sa prah nastaviť podľa kapacity tímu?

Áno. Ak pracovníci denne preveria 500 alertov, možno zvoliť hranicu, ktorá pri bežnom objeme vytvorí podobný počet. Treba však sledovať zmeny distribúcie a zabezpečiť, aby kapacitné obmedzenie neskrylo neprijateľné riziko.

Je možné mať dva prahy?

Áno. Nízke skóre sa automaticky zamietne, vysoké schváli a stredné pásmo ide na manuálnu kontrolu, alebo naopak podľa úlohy. Takzvaná grey zone znižuje riziko hraničných prípadov, ale potrebuje jasný workflow a spätnú väzbu.

Kedy treba prah znovu nastaviť?

Po zmene modelu, prevalencie, nákladov, regulačných požiadaviek alebo kapacity procesu. Prah vybraný na starej distribúcii nemusí udržať rovnaký počet alertov ani chybovosť. Revízia má používať čerstvé označené dáta.

Je skupinovo odlišný prah férový?

Môže zlepšiť jednu fairness metriku a zároveň zhoršiť inú alebo vytvoriť právny problém. Rozhodnutie potrebuje legitímny účel, analýzu dopadov, konzistentné pravidlá a doménové posúdenie. Technická optimalizácia sama neurčuje prípustnosť.

Súvisiace pojmy

Zdroje a redakčná stopa

Google Machine Learning Crash Course, Thresholds and the Confusion Matrix
Google Machine Learning Glossary, Metrics

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.