Sekaannusmatriisi on yhteenveto luokitusongelman ennustetuloksista. Oikeiden ja väärien ennusteiden määrä lasketaan yhteen laskuarvojen kanssa ja eritellään kunkin luokan mukaan. Tämä on sekaannusmatriisin avain.
- Mikä on sekavuusmatriisi esimerkillä?
- Mikä on TP FP TN FN?
- Miksi tarvitsemme sekaannusmatriisia?
- Kuinka arvioit sekavuusmatriisin?
Mikä on sekavuusmatriisi esimerkillä?
Sekaannusmatriisi on taulukko, jota käytetään usein kuvaamaan luokitusmallin (tai "luokittelijan") suorituskykyä testitiedoissa, joiden todelliset arvot tiedetään. ... Luokittelija teki yhteensä 165 ennustetta (esim.g., 165 potilasta testattiin kyseisen taudin esiintymisen varalta).
Mikä on TP FP TN FN?
Todellinen positiivinen (TP): Ennuste on +ve ja X on diabeetikko, haluamme sen. Todellinen negatiivinen (TN): Ennuste on -ve ja X on terve, haluamme myös sen. Väärin positiivinen (FP): Ennuste on +ve ja X on terve, väärä hälytys, huono. Väärin negatiivinen (FN): Ennuste on -ve ja X on diabeetikko, pahin.
Miksi tarvitsemme sekaannusmatriisia?
Sekaannusmatriiseja käytetään visualisoimaan tärkeitä ennustavia analytiikkoja, kuten muistamista, spesifisyyttä, tarkkuutta ja tarkkuutta. Sekaannusmatriisit ovat hyödyllisiä, koska ne antavat suoria vertailuja arvoista, kuten tosi positiiviset, vääriä positiivisia, todellisia negatiivisia ja vääriä negatiivisia.
Kuinka arvioit sekavuusmatriisin?
Sekaannustiedot
- Tarkkuus (kaikki oikein / kaikki) = TP + TN / TP + TN + FP + FN.
- Virheellinen luokittelu (kaikki virheelliset / kaikki) = FP + FN / TP + TN + FP + FN.
- Tarkkuus (todelliset positiiviset / ennustetut positiiviset) = TP / TP + FP.
- Herkkyys eli Recall (tosi positiiviset / kaikki todelliset positiiviset) = TP / TP + FN.