معیارهای ماتریس Confusion ابزار ضروری برای ارزیابی عملکرد نظارت بر طبقه بندی هستند.آنها بینش دقیق در مورد چگونگی پیش بینی خوب یک مدل کلاس های مختلف و کمک به شناسایی مناطق برای بهبود ارائه می دهند.

درک ماتریس Confusion

ماتریس سردرگمی یک جدول است که نتایج پیش بینی یک مدل طبقه بندی را خلاصه می کند.این نشان دهنده تعداد مثبت واقعی، منفی واقعی، مثبت کاذب و منفی کاذب است.این ارزش ها پایه ای برای محاسبه معیارهای عملکرد مختلف هستند.

متریک های کلیدی از ماتریس Confusion

چندین معیار را می توان برای ارزیابی اثربخشی یک کلاسر محاسبه کرد:

  • [در این باره] [و] [از پیش بینی های صحیح [از پیش بینی های] نسبت [و پیش بینی های صحیح] از پیش بینی های صحیح [در برابر] بهره برداری می شود.
  • تصمیم گیری: نسبت پیش بینی های مثبت واقعی در میان همه پیش بینی های مثبت.
  • فراخوان: نسبت مثبت واقعی به درستی مشخص شده توسط مدل.
  • ] F1 امتیاز: [ معنی هارمونیک دقت و یادآوری، تعادل هر دو معیار.

معیار های محاسبه

متریک ها با استفاده از فرمول های زیر محاسبه می شوند:

دقت = (TP + TN) / (TP + TN + FP + FN)

TP = TP / (TP + FP)

TP = TP / (TP + FN)

امتیاز F1 = 2 * (یادگیری پیش از تصمیم) / (پیش از تصمیم + یادآوری)