Apa akurasi dalam matriks kebingungan?
Apa akurasi dalam matriks kebingungan?

Video: Apa akurasi dalam matriks kebingungan?

Video: Apa akurasi dalam matriks kebingungan?
Video: Jangan bingung dengan Confusion Matrix 2024, November
Anonim

A matriks kebingungan adalah teknik untuk meringkas kinerja algoritma klasifikasi. Klasifikasi ketepatan saja dapat menyesatkan jika Anda memiliki jumlah pengamatan yang tidak sama di setiap kelas atau jika Anda memiliki lebih dari dua kelas dalam kumpulan data Anda.

Jadi, bagaimana Anda menemukan keakuratan matriks kebingungan?

Terbaik ketepatan adalah 1,0, sedangkan yang terburuk adalah 0,0. Bisa juga dihitung dengan 1 – ERR. Ketepatan adalah dihitung sebagai jumlah total dua prediksi yang benar (TP + TN) dibagi dengan jumlah total kumpulan data (P + N).

Orang mungkin juga bertanya, apa yang dimaksud dengan akurasi seimbang dalam matriks konfusi? Karena tidak ada istilah yang lebih baik, apa yang saya sebut "biasa" atau "keseluruhan" ketepatan dihitung seperti yang ditunjukkan di sebelah kiri: proporsi contoh yang diklasifikasikan dengan benar, menghitung keempat sel di matriks kebingungan . Akurasi seimbang dihitung sebagai rata-rata dari proporsi mengoreksi setiap kelas secara individual.

Dengan mengingat hal ini, apa yang dikatakan matriks kebingungan kepada Anda?

A matriks kebingungan adalah tabel yang sering digunakan untuk menggambarkan kinerja model klasifikasi (atau "pengklasifikasi") pada satu set data uji yang nilai sebenarnya adalah diketahui. Ini memungkinkan visualisasi kinerja suatu algoritma.

Apa yang dimaksud dengan matriks konfusi ingatan?

Memvisualisasikan Presisi dan Mengingat Yang pertama adalah matriks kebingungan yang berguna untuk menghitung presisi dengan cepat dan mengingat diberi label prediksi dari model. A matriks kebingungan untuk klasifikasi biner menunjukkan empat hasil yang berbeda: benar positif, positif palsu, negatif benar, dan negatif palsu.

Direkomendasikan: