混乱行列メトリックは、監督された分類器のパフォーマンスを評価するための重要なツールです。 彼らはモデルが異なるクラスを予測し、改善のための領域を特定するのに役立つ詳細な洞察を提供します。

融合マトリックスの理解

混乱行列は、分類モデルの予測結果を要約するテーブルです。それは真の正当、真の負、偽の正当、および偽の負の数を表示します。これらの値は、さまざまな性能メトリックを計算するための基礎を形成します。

トランスフュージョン・マトリックスから派生するキーメトリクス

いくつかのメトリックは、分類器の有効性を評価するために計算することができます。

  • 精度:]] 予測の正しい予測の割合は、すべての予測から。
  • 予測:]]] 正の予測の割合は、すべての肯定的な予測の間で。
  • Recall:]]] 実際の正当の割合は、モデルによって正しく識別されます。
  • F1 スコア:]]] 精度とリコールの調和的な意味、両方のメトリックのバランス。

メトリックの計算

メトリックは、次の式で計算されます。

精度 = (TP + TN) / (TP + TN + FP + FN)

精密=TP/(TP + FP)

リコール = TP / (TP + FN)

F1 スコア = 2 * (精密 * 再コール) / (精密 + リコール)