Hvad er nøjagtighed i forvirringsmatrix?
Hvad er nøjagtighed i forvirringsmatrix?

Video: Hvad er nøjagtighed i forvirringsmatrix?

Video: Hvad er nøjagtighed i forvirringsmatrix?
Video: Confusion Matrix Solved Example Accuracy Precision Recall F1 Score Prevalence by Mahesh Huddar 2024, Kan
Anonim

EN forvirringsmatrix er en teknik til at opsummere ydeevnen af en klassifikationsalgoritme. Klassifikation nøjagtighed alene kan være vildledende, hvis du har et ulige antal observationer i hver klasse, eller hvis du har mere end to klasser i dit datasæt.

Bare så, hvordan finder du nøjagtigheden af en forvirringsmatrix?

Det bedste nøjagtighed er 1,0, hvorimod den værste er 0,0. Det kan det også være beregnet med 1 – ERR. Nøjagtighed er beregnet som det samlede antal af to korrekte forudsigelser (TP + TN) divideret med det samlede antal af et datasæt (P + N).

Man kan også spørge, hvad er balanceret nøjagtighed i forvirringsmatrix? I mangel af et bedre udtryk, hvad jeg vil kalde "almindelig" eller "overordnet" nøjagtighed beregnes som vist til venstre: andelen af eksempler korrekt klassificeret, tæller alle fire celler i forvirringsmatrix . Afbalanceret nøjagtighed beregnes som gennemsnittet af andelen korrektioner for hver klasse individuelt.

Hvis du holder dette i øjesyn, hvad fortæller en forvirringsmatrix dig?

EN forvirringsmatrix er en tabel, der ofte bruges til at beskrive ydeevnen af en klassifikationsmodel (eller "klassifikator") på et sæt testdata, for hvilke de sande værdier er kendt. Det tillader visualisering af en algoritmes ydeevne.

Hvad er tilbagekaldelsesforvirringsmatrix?

Visualisering af præcision og Minde om Først ud er forvirringsmatrix hvilket er nyttigt til hurtigt at beregne præcision og minde om givet de forudsagte mærker fra en model. EN forvirringsmatrix for binær klassifikation viser de fire forskellige udfald: sand positiv, falsk positiv, sand negativ og falsk negativ.

Anbefalede: