AI- ja data-arkkitehtuurin opas

AI-mallin arviointi

Yksi tarkkuusluku ei riitä, jos eri virheillä on eri seuraukset tai suoritus vaihtelee alaryhmittäin.

ArviointiMittarit

Tarkistettu 10.8.2026 · Emilia K. Saarento

Vertailutaso

Mallia kannattaa verrata yksinkertaiseen baselineen tai nykyiseen prosessiin.

Mittari

Precision, recall, MAE ja muut mittarit korostavat erilaisia virheitä; oikea mittari riippuu käyttötapauksesta.

Alaryhmät

Kokonaiskeskiarvo voi peittää heikon suorituskyvyn tietyssä tuotteessa, kielessä tai käyttäjäryhmässä.

AI-järjestelmän soveltuvuus, riskiluokka, tietosuoja ja sääntelyvelvoitteet arvioidaan tapauskohtaisesti. Sivusto ei ole oikeudellista neuvontaa.