2018-11-23
阅读量:
995
混淆矩阵
混淆矩阵是NXN矩阵,其中N是预测的类的数量。对于手头的问题,我们有N = 2,因此我们得到一个2×2矩阵。以下是一些定义,您需要记住混淆矩阵:
- 准确性:正确的预测总数的比例。
- 阳性预测值或精确度:正确识别的阳性病例的比例。
- 负面预测值:正确识别的负面案例的比例。
- 敏感度或召回率:正确识别的实际阳性病例的比例。
- 特异性:正确识别的实际阴性病例的比例。
手头问题的准确率达到88%。从上面两个表中可以看出,阳性预测值很高,但阴性预测值很低。同样适用于敏感性和特异性。这主要是由我们选择的阈值驱动的。如果我们降低我们的阈值,两对截然不同的数字将更接近。
通常,我们关注上面定义的度量标准之一。例如,在一家制药公司,他们会更关心最小的错误阳性诊断。因此,他们会更关注高特异性。另一方面,磨损模型将更关注Senstivity.Confusion矩阵通常仅用于类输出模型。
0.0000
0
3
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
0条评论
0条评论
1条评论