Förvirringsmatrismetri är viktiga verktyg för att utvärdera prestanda hos övervakade klassificerare. De ger detaljerade insikter om hur väl en modell förutspår olika klasser och hjälper till att identifiera förbättringsområden.
Förstå förvirringsmatrisen
Förvirringsmatrisen är en tabell som sammanfattar förutsägelseresultaten av en klassificeringsmodell. Den visar antalet sanna positiva, sanna negativa, falska positiva och falska negativa. Dessa värden utgör grunden för att beräkna olika prestandamätningar.
Nyckelmätningar som härrör från förvirringsmatrisen
Flera mätvärden kan beräknas för att utvärdera en klassificeringseffektivitet:
- Noggrannhet: ] Andelen korrekta förutsägelser ur alla förutsägelser.
- ]Precision:] Andelen sanna positiva förutsägelser bland alla positiva förutsägelser.
- ] Återkalla:] Andelen faktiska positiva som korrekt identifierats av modellen.
- ]F1 Score: Det harmoniska medlet för precision och återkallelse, balansera båda mätvärdena.
Beräkning av mätvärden
Metrics beräknas med följande formler:
Noggrannhet = (TP + TN) / (TP + TN + FP + FN)
Precision = TP / (TP + FP)
Recall = TP / (TP + FN)
F1 Score = 2 * (Precision * Recall) / (Precision + Recall)