Đánh giá AI: accuracy cao vẫn có thể đánh lừa

🎯 Đoán “không bệnh” cho tất cả vẫn có thể đúng 99%

Nếu bệnh chỉ chiếm 1%, accuracy 99% không cho biết mô hình tìm được ca bệnh nào.

Ma trận nhầm lẫn TP FP FN TN — Confusion matrix cho biết mô hình đúng và sai theo từng lớp.

Bốn ô

TP: dự đoán dương đúng.
FP: báo động nhầm.
FN: bỏ sót ca dương.
TN: dự đoán âm đúng.

Precision=TP/(TP+FP); Recall=TP/(TP+FN).

Chọn theo hậu quả

Sàng lọc bệnh thường ưu tiên recall để giảm bỏ sót; lọc spam cần cân nhắc precision để tránh chặn thư quan trọng.

Tập kiểm tra

Test phải độc lập với tập huấn luyện và đại diện cho tình huống triển khai.

⚠️ Dễ nhầm

Một chỉ số không đủ chứng minh hệ thống an toàn, công bằng hay hữu ích.

✅ Chốt bài

Tách test; nhìn loại lỗi; chọn chỉ số theo hậu quả.

📚 Lý thuyết trọng tâm

Mục tiêu: Tách train/test và đọc confusion matrix để đánh giá đúng mục tiêu.. Khi học Đánh giá AI: accuracy cao vẫn có thể đánh lừa, hãy xác định khái niệm, điều kiện áp dụng và mối liên hệ giữa các dữ kiện; không chỉ ghi nhớ kết luận.

🧭 Ví dụ có hướng dẫn

Chọn một tình huống điển hình của bài. Bước 1: ghi dữ kiện và câu hỏi cần giải quyết. Bước 2: chọn khái niệm hoặc quy tắc phù hợp. Bước 3: giải thích từng bước và kiểm tra kết quả với điều kiện ban đầu. Nếu đổi một dữ kiện, hãy dự đoán kết quả thay đổi thế nào.

✍️ Luyện tập

Tóm tắt bài bằng ba ý: khái niệm, điều kiện và kết luận.
Tự tạo một ví dụ đúng và một phản ví dụ; chỉ ra điểm quyết định.
Giải lại ví dụ khi thay đổi một dữ kiện, sau đó nêu cách kiểm chứng.

Checklist tự đánh giá

Tôi giải thích được “vì sao”, không chỉ nêu đáp án.
Tôi nhận ra trường hợp không áp dụng được quy tắc.
Tôi kiểm tra được đơn vị, bằng chứng hoặc tính hợp lí của kết luận.