Матрица забуне

Матрица забуне је резиме резултата предвиђања проблема класификације. Број тачних и нетачних предвиђања се сажима са вредностима бројања и разлаже по свакој класи. Ово је кључ матрице забуне.

1. Шта је матрица забуне са примером?
2. Шта је ТП ФП ТН ФН?
3. Зашто нам је потребна матрица забуне?
4. Како оцењујете матрицу забуне?

Шта је матрица забуне са примером?

Матрица забуне је табела која се често користи за описивање перформанси класификационог модела (или „класификатора“) на скупу тестних података за које су познате праве вредности. ... Класификатор је направио укупно 165 предвиђања (нпр.г., 165 пацијената је тестирано на присуство те болести).

Шта је ТП ФП ТН ФН?

Истинско позитивно (ТП): Предвиђање је +ве и Кс је дијабетичар, то желимо. Истински негативан (ТН): Предвиђање је -ве и Кс је здраво, желимо и то. Лажно позитиван (ФП): Предвиђање је +ве и Кс је здрав, лажна узбуна, лоша. Лажно негативан (ФН): Предвиђање је -ве и Кс је дијабетичар, најгоре.

Зашто нам је потребна матрица забуне?

Матрице забуне користе се за визуализацију важних предиктивних аналитика попут сећања, специфичности, тачности и прецизности. Матрице забуне су корисне јер дају директно поређење вредности као што су Истински Позитивни, Лажно Позитивни, Истинити Негативи и Лажни Негативи.

Како оцењујете матрицу забуне?

Метрика забуне

1. Тачност (све тачно / све) = ТП + ТН / ТП + ТН + ФП + ФН.
2. Погрешна класификација (све нетачно / све) = ФП + ФН / ТП + ТН + ФП + ФН.
3. Прецизност (истински позитивни / предвиђени позитивни резултати) = ТП / ТП + ФП.
4. Осетљивост ака Опозив (истински позитивни / сви стварни позитивни) = ТП / ТП + ФН.