Apjukuma matrica ir klasifikācijas problēmas prognozēšanas rezultātu kopsavilkums. Pareizo un nepareizo prognožu skaits tiek apkopots ar skaitļu vērtībām un sadalīts pa klasēm. Šī ir neskaidrību matricas atslēga.
- Kas ir apjukuma matrica ar piemēru?
- Kas ir TP FP TN FN?
- Kāpēc mums ir nepieciešama neskaidrību matrica??
- Kā jūs vērtējat apjukuma matricu?
Kas ir apjukuma matrica ar piemēru?
Apjukuma matrica ir tabula, ko bieži izmanto, lai aprakstītu klasifikācijas modeļa (vai "klasifikatora") veiktspēju testa datu kopā, kuram ir zināmas patiesās vērtības. ... Klasifikators kopumā veica 165 prognozes (piem.g., 165 pacienti tika pārbaudīti attiecībā uz šīs slimības klātbūtni).
Kas ir TP FP TN FN?
Patiess pozitīvs (TP): prognoze ir +ve un X ir diabēts, mēs to vēlamies. Patiess negatīvs (TN): prognoze ir -ve un X ir veselīga, mēs arī to vēlamies. Viltus pozitīvs (FP): prognoze ir +ve un X ir veselīga, viltus trauksme, slikta. Viltus negatīvs (FN): prognoze ir -ve un X ir diabēts, sliktākais.
Kāpēc mums ir nepieciešama neskaidrību matrica??
Apjukuma matricas tiek izmantotas, lai vizualizētu svarīgu prognozējošo analīzi, piemēram, atsaukšanu, specifiskumu, precizitāti un precizitāti. Apjukuma matricas ir noderīgas, jo tās sniedz tiešu salīdzinājumu tādām vērtībām kā patiesi pozitīvi, viltus pozitīvi, patiesi negatīvi un nepatiesi negatīvi.
Kā jūs novērtējat apjukuma matricu?
Apjukuma metrika
- Precizitāte (viss pareizi / viss) = TP + TN / TP + TN + FP + FN.
- Nepareiza klasifikācija (visi nepareizi / visi) = FP + FN / TP + TN + FP + FN.
- Precizitāte (patiesi pozitīvi / prognozēti pozitīvi) = TP / TP + FP.
- Jutība aka Recall (patiesi pozitīvi / visi faktiskie pozitīvie) = TP / TP + FN.