संलयन मैटरिस वर्गीकरण मॉडल के प्रदर्शन का मूल्यांकन करने के लिए उपयोग किए जाने वाले उपकरण हैं। वे वास्तविक परिणामों की तुलना में मॉडल की भविष्यवाणी का विस्तृत ब्रेकडाउन प्रदान करते हैं, उन क्षेत्रों की पहचान करने में मदद करते हैं जहां मॉडल अच्छी तरह से प्रदर्शन करता है या सुधार की आवश्यकता होती है।

समझौता ज्ञापन

एक भ्रम मैट्रिक्स एक तालिका है जो वास्तविक सकारात्मक, झूठे सकारात्मक, सच्चे नकारात्मक और झूठे नकारात्मक भविष्यवाणियों की गिनती को प्रदर्शित करती है। ये मान सटीकता, परिशुद्धता, याद और F1 स्कोर जैसे विभिन्न प्रदर्शन मीट्रिकों की गणना करने में मदद करते हैं।

Confusion मैट्रिक्स की गणना

एक भ्रम मैट्रिक्स की गणना करने के लिए, वास्तविक लेबल के साथ मॉडल से पूर्वानुमानित लेबल की तुलना करें। प्रत्येक श्रेणी में उदाहरणों की संख्या की गणना करें:

  • True सकारात्मक (TP): सही सकारात्मक भविष्यवाणियां
  • झूठी सकारात्मक (FP): गलत सकारात्मक भविष्यवाणियां
  • True नेगेटिव (TN): Correct नेगेटिव भविष्यवाणियां
  • झूठी नकारात्मक (FN): गलत नकारात्मक भविष्यवाणियां

इन गणनाओं को तब विश्लेषण के लिए एक मैट्रिक्स प्रारूप में आयोजित किया जाता है।

परिणाम व्याख्या करना

भ्रम मैट्रिक्स में मान मॉडल की ताकत और कमजोरियों का आकलन करने में मदद करते हैं। उच्च टीपी और TN मान अच्छे प्रदर्शन को इंगित करते हैं, जबकि उच्च FP या FN मान सुधार के लिए क्षेत्रों का सुझाव देते हैं।

भ्रम मैट्रिक्स से प्राप्त मीट्रिक में शामिल हैं:

  • Accuracy:] मॉडल की कुल सहीता
  • प्रेसिजन:] सभी सकारात्मक भविष्यवाणियों से सही सकारात्मक भविष्यवाणियां
  • Recall: सभी वास्तविक सकारात्मक से सही सकारात्मक भविष्यवाणियां
  • F1 स्कोर: Harmonic सटीक और याद करने का मतलब