Матрица путаницы является важным инструментом для оценки эффективности контролируемых классификаторов. Они дают подробную информацию о том, насколько хорошо модель предсказывает различные классы и помогает определить области для улучшения.

Понимание матрицы путаницы

Матрица путаницы представляет собой таблицу, которая суммирует результаты предсказания модели классификации. Она отображает подсчеты истинных положительных, истинных отрицательных, ложных положительных и ложных отрицательных. Эти значения составляют основу для расчета различных показателей эффективности.

Ключевые метрики, полученные из матрицы путаницы

Для оценки эффективности классификатора можно рассчитать несколько показателей:

  • Точность: Доля правильных предсказаний из всех предсказаний.
  • Точность: Доля истинных положительных предсказаний среди всех положительных предсказаний.
  • Напомним: Доля фактических положительных результатов, правильно идентифицированных моделью.
  • F1 Score: Гармоническое среднее значение точности и отзыва, балансирующее обе метрики.

Расчет метрик

Метрики рассчитываются с использованием следующих формул:

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

Точность = TP / (TP + FP)

Вспомнить = TP / (TP + FN)

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