Итак, обо всем по порядку. Что такое матрица неточностей?
- Проще говоря, матрица путаницы - это измерение производительности задачи машинного обучения.
Итак, наша главная цель в этом блоге - понять, что такое матрица неточностей и как ее рассчитать.
Итак, как выглядит матрица путаницы -
С помощью матрицы неточностей мы можем получить важные результаты (отзыв, точность и т. Д.) О нашей модели.
Примечание: чтобы лучше понять, я беру пример задачи 2 класса. Скажите +, -
Сначала давайте разберемся с TP, FP, FN, TN-
TP - True Positive: ваша модель предсказывала +, а на самом деле - +.
FP - Ложно-положительный результат: ваша модель предсказала +, но на самом деле это -.
FN - Ложноотрицательный: ваша модель предсказывала - но на самом деле ее +.
TN - True Negative: ваша модель предсказывала - и на самом деле это -.
Итак, давайте начнем с расчетной части на простом примере -
В соответствии с примером мы рассчитаем отзыв, точность и точность.
Отзыв
Итак, Напомним = 2/3 = 0,66667
- Насколько мы правильно предсказали из всех положительных классов. Он должен быть максимально высоким.
Точность
Итак, Точность = 2/3 = 0,6667
- Из всех положительных классов, которые мы предсказали правильно, сколько на самом деле положительных.
Точность
Точность = 5/7
Просто означает, сколько мы правильно предсказали. Он должен быть максимально высоким.
F-мера
Итак, F-мера = 0,6667
- F-Measure - это среднее гармоническое значение точности и точности.
- Измерьте напоминание и точность одновременно.
Итак, я надеюсь, что смог донести до вас основы Матрицы путаницы.
Если вам понравился этот пост, вы можете мотивировать меня некоторыми 👏.
Давайте встретимся в другой статье.