Apakah ketepatan dalam matriks kekeliruan?
Apakah ketepatan dalam matriks kekeliruan?

Video: Apakah ketepatan dalam matriks kekeliruan?

Video: Apakah ketepatan dalam matriks kekeliruan?
Video: PULUHAN TAHUN HIDUP DALAM PROGRAM KOMPUTER, AKHIRNYA TERLAHIR KE DUNIA NYATA | THE MATRIX REWATCH-53 2024, November
Anonim

A matriks kekeliruan ialah teknik untuk meringkaskan prestasi algoritma pengelasan. Pengelasan ketepatan sahaja boleh mengelirukan jika anda mempunyai bilangan pemerhatian yang tidak sama rata dalam setiap kelas atau jika anda mempunyai lebih daripada dua kelas dalam set data anda.

Jadi, bagaimana anda mencari ketepatan matriks kekeliruan?

Yang terbaik ketepatan ialah 1.0, manakala yang paling teruk ialah 0.0. Ia juga boleh dikira oleh 1 – ERR. Ketepatan ialah dikira sebagai jumlah bilangan dua ramalan yang betul (TP + TN) dibahagikan dengan jumlah bilangan set data (P + N).

Seseorang juga mungkin bertanya, apakah ketepatan seimbang dalam matriks kekeliruan? Kerana kekurangan istilah yang lebih baik, apa yang saya panggil "biasa" atau "keseluruhan" ketepatan dikira seperti ditunjukkan di sebelah kiri: perkadaran contoh dikelaskan dengan betul, mengira keempat-empat sel dalam matriks kekeliruan . Ketepatan yang seimbang dikira sebagai purata pembetulan bahagian setiap kelas secara individu.

Memandangkan perkara ini dilihat, apakah yang diberitahu oleh matriks kekeliruan kepada anda?

A matriks kekeliruan ialah jadual yang sering digunakan untuk menerangkan prestasi model pengelasan (atau "pengelas") pada set data ujian yang mana nilai sebenar adalah diketahui. Ia membolehkan visualisasi prestasi algoritma.

Apakah matriks kekeliruan ingat semula?

Visualisasi Ketepatan dan Ingat kembali Yang pertama ialah matriks kekeliruan yang berguna untuk mengira dengan cepat ketepatan dan ingat balik diberi label yang diramalkan daripada model. A matriks kekeliruan untuk klasifikasi binari menunjukkan empat hasil yang berbeza: positif benar, positif palsu, negatif benar, dan negatif palsu.

Disyorkan: