Quelle est la définition de la précision Top-n?

Je lis un article scientifique sur la classification des images. Dans les résultats expérimentaux, ils parlent de la précision du top 1 et du top 5, mais je n'ai jamais entendu parler du terme et je ne le trouve pas en utilisant Google.

Quelqu'un peut-il me donner une définition ou me diriger quelque part? :)

Dans la précision du top 5, vous vous reconnaissez avoir la bonne réponse si la bonne réponse apparaît dans vos cinq premières suppositions.

J'ai trouvé cette explication par un Nathan Yan sur Quora

La précision Top-N signifie que la classe correcte doit être dans les probabilités Top-N pour qu'elle compte comme «correcte». Par exemple, supposons que j'ai un ensemble d'images

• Chien
• Chat
• Chien
• Oiseau
• Chat
• Chat
• Souris
• manchot

Pour chacun d'eux, le modèle prédira une classe, qui apparaîtra à côté de la classe correcte dans les citations

• Chien chien"
• Chat «Oiseau»
• Chien chien"
• Oiseau «Oiseau»
• Chat Chat"
• Chat Chat"
• Souris "Pingouin"
• Pingouin «chien»

La précision Top-1 pour cela est (5 correctes sur 8), 62,5%. Supposons maintenant que j'énumère également le reste des classes prédites par le modèle, par ordre décroissant de leurs probabilités (plus la classe apparaît à droite, moins le modèle pense que l'image est de la classe tat)

- 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 nous prenons la précision du top 3 pour cela, la classe correcte doit seulement être dans les trois classes prédites les plus importantes pour compter. En conséquence, malgré que le modèle n'ait pas parfaitement rencontré tous les problèmes, sa précision dans le top 3 est de 100%!