Tunjuk cara memahami matriks kekeliruan kelas binari dengan contoh

Matriks kekeliruan ialah model penilaian yang membantu jurutera pembelajaran mesin lebih memahami prestasi model. Artikel ini mengambil set data tidak seimbang kelas binari sebagai contoh Set ujian terdiri daripada 60 sampel kelas positif dan 40 sampel kelas negatif untuk menilai model pembelajaran mesin.

Set data kelas binari hanya mempunyai dua kategori data yang berbeza, yang boleh dinamakan kategori "positif" dan "negatif".

Sekarang, untuk memahami sepenuhnya matriks kekeliruan masalah klasifikasi binari ini, pertama sekali kita perlu membiasakan diri dengan istilah berikut:

True Positive (TP) bermaksud sampel yang tergolong dalam kelas positif dikelaskan dengan betul.

True Negative (TN) bermaksud sampel yang tergolong dalam kelas negatif dikelaskan dengan betul.

False Positive (FP) bermaksud sampel yang tergolong dalam kelas negatif dikelaskan secara salah sebagai tergolong dalam kelas positif.

False Negatif (FN) bermaksud sampel yang tergolong dalam kelas positif dikelaskan secara salah sebagai kelas negatif.

Contoh matriks kekeliruan yang boleh kita perolehi dengan melatih model ditunjukkan di atas untuk contoh set data ini.

Menambah nombor dalam lajur pertama, kita melihat bahawa jumlah bilangan sampel dalam kelas positif ialah 45+15=60. Tambahkan nombor dalam lajur kedua untuk mendapatkan bilangan sampel dalam kelas negatif, iaitu 40 dalam kes ini. Jumlah nombor dalam semua kotak memberikan jumlah bilangan sampel yang dinilai. Tambahan pula, kategori yang betul ialah unsur pepenjuru matriks - 45 untuk kategori positif dan 32 untuk kategori negatif.

Kini, model mengklasifikasikan kotak kiri bawah sebagai sampel positif, jadi ia dipanggil "FN" kerana "negatif" yang diramalkan oleh model adalah salah. Begitu juga, kotak kanan atas dijangka tergolong dalam kelas negatif, tetapi diklasifikasikan sebagai "positif" oleh model. Oleh itu, mereka dipanggil "FP". Kita boleh menilai model dengan lebih teliti menggunakan empat nombor berbeza ini dalam matriks.

Atas ialah kandungan terperinci Tunjuk cara memahami matriks kekeliruan kelas binari dengan contoh. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!