Привет ребята. Это мой первый блог, и я подумал, почему бы не написать о чем-то, что кажется простым, но запутанным, чтобы объяснить. Одна из них, как мне кажется, из этой категории — «Матрица путаницы и ее показатели». Без дальнейших церемоний, давайте разберемся, что такое матрица путаницы и что можно сделать.
Согласно образцу данных, показанному на изображении выше, матрица путаницы создается путем записи количества фактических значений в сравнении с его прогнозом.
Ниже приведены некоторые из показателей, которые могут быть получены из него:
Точность – это широко используемый показатель в большинстве прогнозов, который представляет собой просто все правильные/верные прогнозы относительно общего количества записей(n).
Точность — это показатель, который говорит нам, сколько предсказанных ответов "ДА" на самом деле являются "ДА". Поэтому мы рассматриваем только прогнозируемый набор против TP.
Отзыв – это показатель, который сообщает нам,какая часть фактического ответа "ДА" прогнозируется как "ДА". Поэтому мы учитываем только фактический набор по отношению к TP. Примером, когда этот показатель будет иметь решающее значение, является случай, когда ваш положительный случай — у человека есть заболевание при диагностике заболевания.
Оценка F1 – это среднее гармоническое точности и полноты. Это также мера точности теста, учитывающая как прогнозируемые, так и фактические положительные результаты. Причина, по которой мы берем среднее гармоническое вместо среднего арифметического, заключается в том, что и точность, и полнота сами по себе являются отношениями. Эта метрика является компромиссом между точностью и полнотой.
- Оценка F1 = 2*((Точность*Отзыв)/(Точность+Отзыв))
Ещё многое впереди. Остерегайтесь этого пространства.
