Sekavuusmatriiseja käytetään luokitusmallien suorituskyvyn arviointiin. Ne antavat yksityiskohtaisen erittelyn mallin ennusteista todellisiin tuloksiin nähden ja auttavat tunnistamaan alueet, joilla malli toimii hyvin tai tarvitsee parannuksia.

Sekavuusmatriiseja koskeva ymmärtäminen

Sekaannusmatriisi on taulukko, joka näyttää todellisen positiivisen, väärän positiivisen, todellisen negatiivisen ja väärän negatiivisen ennusteen. Nämä arvot auttavat laskemaan erilaisia suorituskykymittareita, kuten tarkkuutta, tarkkuutta, palautusta ja F1-pisteytyksiä.

Sekavuusmatriisin laskeminen

Sekaannusmatriisin laskemiseksi verrataan mallin ennustettuja merkkejä todellisiin etiketteihin. Laske tapausten lukumäärä kussakin luokassa:

  • Todelliset positiiviset (TP): Oikeat positiiviset ennusteet
  • Väärät positiiviset ennusteet (FP): Virheelliset positiiviset ennusteet
  • Todelliset negatiiviset ennusteet (TN): Oikeat negatiiviset ennusteet
  • Väärät negatiiviset ennusteet (FN): Virheelliset negatiiviset ennusteet

Nämä luvut on sitten järjestetty matriisimuodossa analyysi.

Tulosten tulkinta

Sekaannusmatriisin arvot auttavat arvioimaan mallin vahvuuksia ja heikkouksia. Korkeat TP- ja TN-arvot osoittavat hyvää suorituskykyä, kun taas korkeat FP- tai FN-arvot viittaavat parannuskohteisiin.

Sekavuusmatriisista johdettu metriikka sisältää:

  • Tarkkuus:[ Mallin kokonaistarkkuus
  • Tarkastus:[ Oikaise positiiviset ennusteet kaikista positiivisista ennusteista
  • Pitkän aikavälin ennusteiden mukaan kaikista todellisista positiivisista tuloksista on saatu oikeat tiedot.
  • F1 Pisteet:[ Harmoninen tarkkuuden ja takaisinvedon keskiarvo