• 现行
  • 正在执行有效
  • 2024-11-05 颁布
©正版授权
注：本标准为国际组织发行的正版标准，下载后为完整内容；本图片为程序生成，仅供参考，介绍内容如有偏差，以实际下载内容为准
【正版授权-英语版】 ISO/IEC 5259-2:2024 EN Artificial intelligence - Data quality for analytics and machine learning (ML) - Part 2: Data quality measures_第1页
全文预览已结束

下载本文档

基本信息：

  • 标准号：ISO/IEC 5259-2:2024 EN
  • 标准名称：人工智能 - 用于分析和机器学习（ML）的数据质量 - 第二部分：数据质量度量
  • 英文名称：Artificial intelligence - Data quality for analytics and machine learning (ML) - Part 2: Data quality measures
  • 标准状态：现行
  • 发布日期：2024-11-05

文档简介

1.一致性：一致性是指数据集中的信息是准确的，并且在不同情况下都是一致的。一致性包括实体的一致性（例如，人名和地址的重复），数据类别的一致性（例如，某个行业内的不同数据点之间的一致性）和时间一致性（例如，季节性的变化）。

2.完整性：完整性是指数据集中包含所有应该包含的信息，没有任何缺失或错误。完整性还包括数据的时空完整性，即数据的范围和时间是否覆盖了所有的实际情况。

3.准确性：准确性是指数据的质量，它依赖于数据提供的时间、来源和使用的方式。数据的准确性包括错误检测和纠正的能力，以及对特定情况下的适应能力。

4.可用性：可用性是指数据易于获取、可理解和可用。这包括数据的格式、语言和提供方式，以确保用户能够方便地使用数据。

5.相关性：相关性是指数据与其描述或预测的事物之间的关联程度。相关性可以通过对数据进行复杂的分析和处理来获取。

6.可靠性：可靠性是指数据的准确性和完整性，它可以在不同的时间点进行验证和复核，以确保其可信度。

这些质量指标不仅在人工智能的数据处理中非常重要，而且在任何类型的数据处理中都是重要的。通过理解这些指标，可以更好地理

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所提供的标准文本仅供个人学习、研究之用，未经授权，严禁复制、发行、汇编、翻译或网络传播等，侵权必究。
  • 2. 本站所提供的标准均为PDF格式电子版文本（可阅读打印），因数字商品的特殊性，一经售出，不提供退换货服务。
  • 3. 标准文档要求电子版与印刷版保持一致，所以下载的文档中可能包含空白页，非文档质量问题。
  • 4. 下载后请按顺序安装Reader（点击安装）和FileOpen（点击安装）方可打开。详细可查看标准文档下载声明

最新文档

评论

0/150

提交评论