Amazon Rekognition Custom Labels 的假定阈值如何计算？

Question

【以下的问题经过翻译处理】 在Amazon Rekognition控制台中，我可以在模型评估摘要的**Per label performance**部分看到一个**Assumed threshold**指标（假定阈值）。这些指标是如何计算的呢？

当我收集测试数据集中给定类别的所有计算的置信度水平时，我可以看到我的**KO**标签的最小置信度水平为0.87，而**OK**标签的最小置信度水平约为0.30。这里是否有一个启发式算法进行处理呢（例如，观察到一个类的最小置信度水平的90%？），或者是假定阈值背后有一个精确的数学定义？

另外，是否可以使用Amazon Rekognition Custom Labels API以编程方式获取假定阈值呢？

Answer

【以下的回答经过翻译处理】 每个标签的假定阈值是预测被计为真阳性或假阳性的值之上的数值。该度量基于模型训练期间测试数据集上实现的最佳[F1](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/tr-metrics-use.html#tr-f1-metric)得分进行计算。有关更多信息，请参阅Rekognition自定义标签指南中的[假定阈值](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/tr-metrics-use.html#tr-assumed-threshold)部分。

要以编程方式获取假定阈值，请使用[Rekognition SDK](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/tr-metrics-api.html)。假定阈值列在[汇总文件输出](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/tr-summary-file-api.html)中。

Amazon Rekognition Custom Labels 的假定阈值如何计算？

Relevant content