Forvirringsmatrisemålere er viktige verktøy for å evaluere ytelsen til overvåkede klassifiserere. De gir detaljert innsikt i hvor godt en modell forutsier ulike klasser og bidrar til å identifisere områder for forbedring.

Forstå konfusjonsmatrisen

Forvirringsmatrisen er en tabell som oppsummerer prediksjonsresultatene fra en klassifiseringsmodell. Den viser tallet av sanne positive, sanne negative, falske positive og falske negative. Disse verdiene utgjør grunnlaget for å beregne ulike ytelsesmetrikker.

Nøkkelmålinger som er avledet fra konfusjonsmatrisen

Flere metriske metoder kan beregnes for å vurdere en klassifiserings effektivitet:

  • Accuracy: Andelen riktige spådommer ut av alle spådommer.
  • Precision: Andelen sanne positive spådommer blant alle positive spådommer.
  • Recall: Andelen faktiske positive som er riktig identifisert av modellen.
  • ]F1 Score: Det harmoniske gjennomsnittet for presisjon og tilbakemelding, balansere begge metrikkene.

Beregne metrics

Metrics beregnes ved hjelp av følgende formler:

Nøyaktighet = (TP + TN) / (TP + TN + FP + FN)

Precision = TP / (TP + FP)

Tilbakekall = TP / (TP + FN)

F1 Score = 2 * (Precision * Mind) / (Precision + Mind)