Confusion matrix metrics는 초선식 클래스터의 성능을 평가하기위한 필수 도구입니다. 그들은 잘 모델이 다른 클래스를 예측하고 개선을위한 영역을 식별하는 방법을 자세히 통찰력을 제공합니다.

Confusion Matrix에 대한 이해

confusion matrix는 분류 모델의 예측 결과를 요약 한 테이블입니다. 그것은 진정한 긍정적 인, 진정한 부정적인, 거짓 긍정적 인, 그리고 거짓 부정적인의 수를 표시합니다. 이 값은 다양한 성능 지표를 계산하기위한 기초를 형성합니다.

Key Metrics는 Confusion Matrix에서 분리되었습니다.

몇몇 미터는 classifier의 효율성을 평가하기 위하여 산출될 수 있습니다:

  • Accuracy: 모든 예측에서 정확한 예측의 비율.
  • Precision: 모든 긍정적인 예측 중 진정한 긍정적 예측의 비율.
  • Recall:모델에 의해 정확히 식별된 실제적인 긍정적의 비율.
  • F1 점수: 의 조화는 정밀도와 리콜의 의미, 두 미터 모두 균형을 잡습니다.

측정 미터

미터는 다음과 같은 공식을 사용하여 계산됩니다.

정확도 = (TP + TN) / (TP + TN + FP + FN)

정밀도 = TP/(TP + FP)

리콜 = TP / (TP + FN)

F1 점수 = 2 * (예 : * 회신) / (예 : + 회신)