aedev.net
  • Trang chủ
  • AI
  • Mobile
  • Flutter
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
No Result
View All Result
SAVED POSTS
aedev.net
  • Trang chủ
  • AI
  • Mobile
  • Flutter
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
No Result
View All Result
aedev.net
No Result
View All Result
Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Jaccard cho bài toán AI gán nhiều nhãn trên một ticket

Suong Nguyen by Suong Nguyen
19/11/2026
in AI
0
585
SHARES
3.2k
VIEWS
Summarize with ChatGPTShare to Facebook

Một ticket có thể vừa liên quan thanh toán vừa cần hỗ trợ giao hàng. Khi mô hình trả một tập nhãn, phép so sánh đúng hoàn toàn sẽ coi mọi khác biệt như nhau. Để nhìn mức độ trùng nhau giữa hai tập nhãn, bạn có thể bổ sung Jaccard vào báo cáo đánh giá. Bài này dùng Python chuẩn để làm rõ cách tính, không cần cài mô hình.

Từ hai tập nhãn đến một điểm

Jaccard lấy số nhãn chung chia cho số nhãn xuất hiện trong ít nhất một tập. Nếu nhãn chuẩn là thanh toán và giao hàng, còn dự đoán là thanh toán và hoàn tiền, phần giao có một nhãn, phần hợp có ba nhãn. Điểm là 1/3. Cách tính này cho bạn thấy cả nhãn bỏ sót lẫn nhãn dự đoán thừa đều ảnh hưởng đến mẫu đang xét.

from fractions import Fraction

def jaccard(truth, predicted):
    union = truth | predicted
    if not union:
        return None
    return Fraction(len(truth & predicted), len(union))

assert jaccard({"pay", "ship"}, {"pay", "refund"}) == Fraction(1, 3)
assert jaccard({"pay"}, {"pay"}) == 1
assert jaccard({"pay"}, set()) == 0
assert jaccard(set(), set()) is None

Quyết định cách gộp trước khi so sánh

Ví dụ trả None khi cả hai tập rỗng để buộc người dùng hàm quyết định chính sách. Với dữ liệu thật, hãy ghi rõ mẫu rỗng được tính là đồng thuận hay bị loại khỏi trung bình. Nếu dùng scikit-learn, kiểm tra tham số average và zero_division thay vì chỉ gọi với mặc định. Đối với multilabel, trung bình theo mẫu trả lời câu hỏi khác với việc cộng giao và hợp trên toàn bộ mẫu. Một ticket có nhiều nhãn có thể đóng góp khác nhau tùy phép gộp.

Hãy tạo fixture gồm một mẫu đúng hoàn toàn, một mẫu thừa nhãn, một mẫu bỏ sót và một mẫu rỗng. Lưu cả điểm từng mẫu bên cạnh điểm tổng để kiểm tra bộ gộp. Nhãn nên dùng ID ổn định. Nếu dữ liệu vừa chứa “thanh toán” vừa chứa “Thanh toán”, chuẩn hóa theo từ điển trước khi chuyển thành tập.

Dùng điểm để đọc lỗi

Sắp ticket theo điểm tăng dần và đọc cả nội dung gốc lẫn hướng dẫn gán nhãn. Nếu mô hình hay thêm nhãn hoàn tiền chỉ vì ticket có từ “tiền”, bổ sung ví dụ phân biệt yêu cầu hoàn tiền với hỏi trạng thái thanh toán. Giữ tập đánh giá độc lập khi sửa prompt hoặc mô hình.

Jaccard không phản ánh mức độ nghiêm trọng riêng của từng nhãn. Với nhãn liên quan xử lý khẩn cấp, báo thêm recall của chính nhãn đó. Điểm của hai hệ thống chỉ so sánh được khi dùng cùng tập mẫu, bộ nhãn và quy tắc gộp. Ví dụ Python minh họa phép tính tập hợp, không phải kết quả đánh giá một mô hình đang vận hành.

Nguồn tham khảo

  • Tài liệu chính thức

Tags: AIĐánh giá mô hìnhPython
SummarizeShare234
Suong Nguyen

Suong Nguyen

Related Stories

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Hamming loss khi mô hình gán nhiều nhãn phần lớn là âm

by Suong Nguyen
20/11/2026
0

Đọc tỷ lệ sai theo từng quyết định nhãn cùng recall để tránh kết luận từ điểm tổng.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Dùng Cohen kappa để rà độ đồng thuận khi gán nhãn

by Suong Nguyen
18/11/2026
0

So sánh tỷ lệ đồng thuận thô với mức kỳ vọng từ phân bố nhãn.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

Balanced accuracy khi một lớp chiếm phần lớn dữ liệu

by Suong Nguyen
13/11/2026
0

Đọc recall từng lớp trước khi kết luận mô hình phân loại có ích.

Minh họa các khái niệm AI, mạng nơ-ron và lập trình trên máy tính

MAPE: vì sao giá trị thực gần 0 làm sai số phần trăm tăng mạnh?

by Suong Nguyen
12/11/2026
0

Đọc sai số theo từng hàng và đặt quy tắc cho giá trị thực bằng 0 trước khi đưa MAPE lên báo cáo.

Next Post
Minh họa kiến trúc backend API gọn gàng cho sản phẩm nhỏ

Dùng CTE tách bước tổng hợp và lọc báo cáo SQLite

0 0 votes
Article Rating
Subscribe
Login
Notify of
guest
guest
0 Comments
Oldest
Newest Most Voted
AE Dev

AE Dev mang đến các bài viết về lập trình, mobile app, backend, frontend, WordPress và công nghệ, phù hợp cho developer muốn học hỏi và cập nhật kiến thức thực tế.

Recent Posts

  • Dùng git ls-files để phân biệt file đã track và file mới
  • SQLite BETWEEN có lấy cả hai đầu khoảng không?
  • Hamming loss khi mô hình gán nhiều nhãn phần lớn là âm

Categories

  • AI
  • Backend
  • Đánh giá
  • DevOps
  • Flutter
  • Hướng dẫn
  • Lập trình Mobile
  • Phỏng vấn
  • React Native
  • Uncategorized

Weekly Newsletter

  • Buy JNews
  • Support Forum
  • Pre-sale Question
  • Contact Us

© 2026 AE Dev - Blog công nghệ, lập trình và chia sẻ kiến thức IT.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
No Result
View All Result
  • Trang chủ
  • AI
  • Mobile
  • React Native
  • Backend
  • DevOps
  • Hướng dẫn
  • Flutter

© 2026 AE Dev - Blog công nghệ, lập trình và chia sẻ kiến thức IT.

wpDiscuz
0
0
Would love your thoughts, please comment.x
()
x
| Reply