Verwirrungsmatrixmetriken sind wesentliche Werkzeuge zur Bewertung der Leistung von beaufsichtigten Klassifikatoren, die detaillierte Einblicke in die Vorhersage verschiedener Klassen durch ein Modell liefern und bei der Identifizierung von Verbesserungspotenzialen helfen.

Verständnis der Verwirrungsmatrix

Die Verwechslungsmatrix ist eine Tabelle, die die Vorhersageergebnisse eines Klassifikationsmodells zusammenfasst und die Zählungen von echten Positiven, echten Negativen, falschen Positiven und falschen Negativen anzeigt, die die Grundlage für die Berechnung verschiedener Leistungsmetriken bilden.

Key Metrics Abgeleitet von der Confusion Matrix

Mehrere Metriken können berechnet werden, um die Wirksamkeit eines Klassifikators zu bewerten:

  • Genauigkeit: Der Anteil der korrekten Vorhersagen aus allen Vorhersagen.
  • Präzision: Der Anteil der wahren positiven Vorhersagen unter allen positiven Vorhersagen.
  • Erinnern Sie sich: Der Anteil der tatsächlichen Positiven, der vom Modell korrekt identifiziert wurde.
  • F1 Score: Das harmonische Mittel von Präzision und Rückruf, das beide Metriken ausgleicht.

Berechnungsmetriken

Die Metriken werden nach folgenden Formeln berechnet:

Genauigkeit = (TP + TN) / (TP + TN + FP + FN)

Präzision = TP / (TP + FP)

Rückruf = TP / (TP + FN)

F1 Score = 2 * (Präzision * Rückruf) / (Präzision + Rückruf)