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.