混同行列と適合率、再現率、精度および F 測定の関係

混同行列は、機械学習における強力な予測分析ツールであり、バイナリ分類タスクの分類器による正しい予測と誤った予測の数を要約するために使用されます。

簡単に言えば、「混同行列は機械学習アルゴリズムのパフォーマンスの尺度です。」

混同行列を視覚化することで、対角値を観察してモデルの精度を判断し、正確な分類の数を評価できます。

行列の構造を考慮すると、行列のサイズは出力クラスの数に比例します。

混同行列は行列形式で、列が予測値を表し、行が実際の値を表し、分類モデルの予測結果を要約します。

混同行列の測定は、分類モデルの精度とエラーの種類を評価するのに役立ちます。

混同行列の利点

1. 分類子によって発生したエラーと発生したエラーの種類に関する情報を提供します。

2. 予測を行うときに分類モデルがいかに混乱しているかを反映してください。

3. 個別のデプロイメントの分類精度の制限を克服するのに役立ちます。

4. 混同行列は、再現率、精度、精度、AUC-ROC 曲線の計算に非常に適しています。

混同行列の精度、再現率、精度および F 測定値

1. 精度: 精度は、正しく予測された値が実際に正である数を説明します。簡単に言うと、正しく予測されたすべての正の値のうち、モデルによって与えられた正しい出力の数が得られます。

モデルが信頼できるかどうかを判断します。精度の計算式は TP/(TP FP) です。

2. 再現率: 再現率は、モデルから正しく予測された実際の正の値の数を表します。再現率の計算式は TP/(TP FN) です。

精度を上げると再現率が低下し、その逆も同様です。これは精度と再現率のトレードオフと呼ばれます。

3. 精度: 分類問題の精度を決定する重要なパラメーターの 1 つであり、モデルによって予測される正しい出力の頻度を説明し、モデルに対して行われた正しい予測の数を測定できます。分類器によって行われた正しい予測の数と比較された分類器、プロセッサによって行われた予測の総数の比率。分類子。式は次のとおりです:

精度: (TP TN)/(TP TN FP FN)

4. F 値: 精度が低く再現率が高い、または精度が高く再現率が低い 2 つのモデルの場合この場合、これらのモデルを比較するのは難しいため、この問題を解決するために F スコアを導入できます。 F スコアは、精度と再現率の調和平均です。

F スコアを計算することで、再現率と適合率の両方を評価できます。さらに、再現率が精度と等しい場合、F スコアは最大となり、次の式を使用して計算できます: F 測定値 = (2*再現率*精度)/ (再現率)

以上が混同行列と適合率、再現率、精度および F 測定の関係の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。