Confusion Matrix Calculator

이 Confusion Matrix Calculator는 다음과 같은 분류 모델의 성능과 관련된 여러 통계 측정값을 결정합니다. .

정오분류표를 기반으로 한 통계적 조치

혼동 행렬은 분류 모델의 성능에 대한 대중적인 표현이며 테스트 데이터의 실제 결과와 비교하여 정확하거나 잘못 분류된 값을 포함합니다. 네 가지 변수는 다음과 같습니다.

참 양성(TP) – 모델이 양성 클래스를 올바르게 예측하는 결과입니다(상태가 존재할 때 올바르게 감지됨).

True Negative(TN) – 모델이 네거티브 클래스를 올바르게 예측한 결과입니다(부재 시 조건이 감지되지 않음).

가양성(FP) – 모델이 양성 클래스를 잘못 예측한 결과입니다(상태가 부재함에도 불구하고 감지됨).

거짓 음성(FN) - 모델이 음성 클래스를 잘못 예측하는 결과입니다(상태가 존재함에도 불구하고 감지되지 않음).

가장 일반적으로 결정되는 통계 측정값 중 하나는 민감도(리콜, 적중률 또는 참 양성률 TPR이라고도 함)입니다. 민감도는 포지티브로 올바르게 식별된 실제 포지티브의 비율을 측정합니다.

감도 = TP / (TP + FN)

선택성 또는 TNR(진음성 비율)이라고도 하는 특이성은 음성으로 올바르게 식별된 실제 음성의 비율을 측정합니다.

특이성 = TN / (FP + TN)

정밀도 및 NPV(음수 예측 값)라고도 하는 PPV(양수 예측 값)는 각각 참 양성인 양성 및 음성 결과의 비율입니다. 그것들은 각각 긍정적인 각각의 부정적인 예측 일치라고도 하며 진단 테스트의 성능을 측정합니다.

양수 예측 값(정밀도) = TP / (TP + FP)

음수 예측 값 = TN / (TN + FN)

거짓 양성률(FPR) 또는 낙진은 양성(가양성)으로 잘못 분류된 음성 사건의 수와 실제 음성 사건의 총 수(분류에 관계없이) 사이의 비율입니다.

위양성 비율 = FP / (FP + TN)

FDR(False Discovery Rate)은 다중 비교를 수정하기 위해 다중 가설 테스트에 사용되는 통계적 접근 방식입니다.

오탐지율 = FP / (FP + TP)

거짓 음성 비율(FNR)은 검사 결과가 음성인 상태가 있는 개인의 비율을 측정합니다.

거짓 음수 비율 = FN / (FN + TP)

정확도(ACC)는 통계적 편향의 척도입니다.

정확도 = (TP + TN) / (TP + TN + FP + FN)

F1 점수는 정확도와 재현율의 조화 평균으로 정의되는 테스트 정확도의 척도입니다.

F1 점수 = 2TP / (2TP + FP + FN)

Matthews Correlation Coefficient(MCC)는 한 변수의 값을 변경하는 것이 다른 값에 어떻게 영향을 미치는지 설명하고 -1과 1 사이의 값을 반환합니다.

+1은 완벽한 예측을 나타냅니다.

0 유효한 정보를 반환할 수 없음(무작위 예측보다 좋지 않음)

-1은 예측과 관찰 사이의 완전한 불일치를 설명합니다.

매튜스 상관 계수 = (TP x TN – FP x FN) / (sqrt((TP+FP) x (TP+FN) x (TN+FP) x (TN+FN)))