¿Cuál es la definición de precisión Top-n?

Question

Estoy leyendo un artículo científico sobre la clasificación de imágenes. En los resultados experimentales hablan de top-1 y top-5 de precisión, pero nunca he oído hablar de este término, ni puedo encontrarlo en Google.

¿Puede alguien darme una definición o indicarme algún sitio? :)

Answer 1

En el caso de la precisión top-5, te das crédito por tener la respuesta correcta si la respuesta correcta aparece en tus cinco primeros aciertos.

Answer 2

Encontré esta explicación de un tal Nathan Yan en Quora

La precisión Top-N significa que la clase correcta tiene que estar en el Top-N de probabilidades para que cuente como "correcta". Como ejemplo, supongamos que tengo un conjunto de datos de imágenes y las imágenes son a:

• Perro
• Gato
• Perro
• Pájaro
• Gato
• Gato
• Ratón
• Pingüino

Para cada una de estas imágenes de entrada, el modelo predecirá una clase correspondiente.

• Imagen de entrada: Perro Clase prevista: Perro
• Imagen de entrada: Gato Clase prevista: Pájaro
• Imagen de entrada: Perro Clase prevista: Perro
• Imagen de entrada: Pájaro Clase prevista: Pájaro
• Imagen de entrada: Gato Clase prevista: Gato
• Imagen de entrada: Gato Clase prevista: Gato
• Imagen de entrada: Ratón Clase prevista: Pingüino
• Imagen de entrada: Penguin -- Clase prevista: Perro

La precisión del Top-1 para esto es (5 correctos de 8), 62,5%. Supongamos ahora que también enumero el resto de las clases que el modelo predijo, en orden descendente de sus probabilidades (cuanto más a la derecha aparece la clase, menos probable es que el modelo piense que la imagen es de esa clase)

- Dog => [Dog, Cat, Bird, Mouse, Penguin]
- Cat => [Bird, Mouse, Cat, Penguin, Dog]
- Dog => [Dog, Cat, Bird, Penguin, Mouse]
- Bird => [Bird, Cat, Mouse, Penguin, Dog]
- Cat => [Cat, Bird, Mouse, Dog, Penguin]
- Cat => [Cat, Mouse, Dog, Penguin, Bird]
- Mouse => [Penguin, Mouse, Cat, Dog, Bird]
- Penguin => [Dog, Mouse, Penguin, Cat, Bird]

Si tomamos la precisión del top-3 para esto, la clase correcta sólo necesita estar en las tres primeras clases predichas para contar. Como resultado, a pesar de que el modelo no acierta perfectamente en todos los problemas, su precisión en el top-3 es del 100%.