Verwarringsmatrixmetrics zijn essentiële instrumenten voor het evalueren van de prestaties van onder toezicht staande classifiers. Ze bieden gedetailleerde inzichten in hoe goed een model verschillende klassen voorspelt en helpen gebieden voor verbetering te identificeren.

Begrijpen van de Verwarringsmatrix

De verwarringsmatrix is een tabel die de voorspellingsresultaten van een classificatiemodel samenvat. Het toont de tellingen van ware positieven, ware negatieven, valse positieven en valse negatieven. Deze waarden vormen de basis voor het berekenen van verschillende prestatiemetrics.

Sleutelmetrics Afgeleid van de Verwarringsmatrix

Verschillende metrics kunnen worden berekend om de effectiviteit van een classifier te evalueren:

  • Nauwkeurigheid: Het aandeel van correcte voorspellingen uit alle voorspellingen.
  • Precisie: Het aandeel van de waarachtige positieve voorspellingen onder alle positieve voorspellingen.
  • Herroep: Het percentage positieven dat daadwerkelijk door het model correct is geïdentificeerd.
  • F1 Score: Het harmonische gemiddelde van precisie en terugroepbaarheid, waarbij beide metrieke waarden in evenwicht zijn.

Berekenen van Metrics

Metrics worden berekend met behulp van de volgende formules:

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

Precisie = TP / (TP + FP)

Herroeping = TP / (TP + FN)

F1 Score = 2 * (Precisie * Terugroepen) / (Precisie + Terugroepen)