En förvirringsmatris är en sammanfattning av förutsägelse resultat på ett klassificeringsproblem. Antalet korrekta och felaktiga förutsägelser sammanfattas med räkningsvärden och fördelas på varje klass. Detta är nyckeln till förvirringsmatrisen.
- Vad är förvirringsmatris med exempel?
- Vad är TP FP TN FN?
- Varför behöver vi förvirringsmatris?
- Hur utvärderar du en förvirringsmatris?
Vad är förvirringsmatris med exempel?
En förvirringsmatris är en tabell som ofta används för att beskriva prestanda för en klassificeringsmodell (eller "klassificerare") på en uppsättning testdata för vilka de sanna värdena är kända. ... Klassificeraren gjorde totalt 165 förutsägelser (t.ex.g., 165 patienter testades för förekomst av den sjukdomen).
Vad är TP FP TN FN?
Sann positiv (TP): Förutsägelse är +ve och X är diabetiker, det vill vi. Sant negativt (TN): Prognos är -ve och X är hälsosamt, det vill vi också. Falskt positivt (FP): Förutsägelse är +ve och X är hälsosamt, falskt larm, dåligt. Falskt negativt (FN): Prognos är -ve och X är diabetiker, det värsta.
Varför behöver vi förvirringsmatris?
Förvirringsmatriser används för att visualisera viktig prediktiv analys som återkallelse, specificitet, noggrannhet och precision. Förvirringsmatriser är användbara eftersom de ger direkta jämförelser av värden som True Positives, False Positives, True Negatives och False Negatives.
Hur utvärderar du en förvirringsmatris?
Förvirringsstatistik
- Noggrannhet (alla korrekta / alla) = TP + TN / TP + TN + FP + FN.
- Fel klassificering (alla felaktiga / alla) = FP + FN / TP + TN + FP + FN.
- Precision (sanna positiva / förutsagda positiva) = TP / TP + FP.
- Känslighet aka Recall (true positives / all actual positive) = TP / TP + FN.