Czym jest dokładność w macierzy pomyłek?
Czym jest dokładność w macierzy pomyłek?

Wideo: Czym jest dokładność w macierzy pomyłek?

Wideo: Czym jest dokładność w macierzy pomyłek?
Wideo: Uczenie maszynowe - Macierz Pomyłek | DATAcademy 2024, Listopad
Anonim

A macierz zamieszania to technika podsumowania działania algorytmu klasyfikacji. Klasyfikacja precyzja sam może być mylący, jeśli masz nierówną liczbę obserwacji w każdej klasie lub jeśli masz więcej niż dwie klasy w swoim zbiorze danych.

A więc, jak oceniasz dokładność macierzy pomyłek?

Najlepsze precyzja wynosi 1,0, a najgorszy to 0,0. Może też być obliczony o 1 – ERR. Precyzja jest obliczony jako całkowita liczba dwóch poprawnych prognoz (TP + TN) podzielona przez całkowitą liczbę zestawu danych (P + N).

Można też zapytać, czym jest zrównoważona dokładność w macierzy pomyłek? Z braku lepszego określenia, co nazwałbym „zwykłym” lub „ogólnym” precyzja oblicza się tak, jak pokazano po lewej stronie: proporcja poprawnie sklasyfikowanych przykładów, licząc wszystkie cztery komórki w macierz zamieszania . Zrównoważona dokładność obliczana jest jako średnia z proporcji poprawnych indywidualnie dla każdej klasy.

Mając to na uwadze, co mówi nam macierz pomyłek?

A macierz zamieszania jest tabelą, która jest często używana do opisu działania modelu klasyfikacji (lub „klasyfikatora”) na zbiorze danych testowych, dla których prawdziwe wartości są znany. Pozwala na wizualizację działania algorytmu.

Co to jest macierz pomyłek przywołania?

Wizualizacja precyzji i Przypomnienie sobie czegoś Najpierw jest macierz zamieszania co jest przydatne do szybkiego obliczania precyzji i przypomnienie sobie czegoś biorąc pod uwagę przewidywane etykiety z modelu. A macierz zamieszania dla klasyfikacji binarnej pokazuje cztery różne wyniki: prawdziwie pozytywny, fałszywie pozytywny, prawdziwie negatywny i fałszywie negatywny.

Zalecana: