Una matriz de confusión es un resumen de los resultados de la predicción sobre un problema de clasificación. El número de predicciones correctas e incorrectas se resume con valores de recuento y se desglosa por clase. Esta es la clave de la matriz de confusión.
- ¿Qué es la matriz de confusión con el ejemplo??
- ¿Qué es TP FP TN FN??
- ¿Por qué necesitamos la matriz de confusión??
- ¿Cómo evalúas una matriz de confusión??
¿Qué es la matriz de confusión con el ejemplo??
Una matriz de confusión es una tabla que se utiliza a menudo para describir el rendimiento de un modelo de clasificación (o "clasificador") en un conjunto de datos de prueba para los que se conocen los valores verdaderos. ... El clasificador hizo un total de 165 predicciones (e.gramo., 165 pacientes estaban siendo examinados para detectar la presencia de esa enfermedad).
¿Qué es TP FP TN FN??
Verdadero positivo (TP): la predicción es + ve y X es diabético, queremos que. Verdadero negativo (TN): la predicción es -ve y X es saludable, nosotros también queremos eso. Falso positivo (FP): la predicción es + ve y X es saludable, falsa alarma, mala. Falso negativo (FN): la predicción es -ve y X es diabético, el peor.
¿Por qué necesitamos la matriz de confusión??
Las matrices de confusión se utilizan para visualizar análisis predictivos importantes como la recuperación, la especificidad, la exactitud y la precisión. Las matrices de confusión son útiles porque brindan comparaciones directas de valores como verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos.
¿Cómo se evalúa una matriz de confusión??
Métricas de confusión
- Precisión (todas correctas / todas) = TP + TN / TP + TN + FP + FN.
- Clasificación errónea (todas incorrectas / todas) = FP + FN / TP + TN + FP + FN.
- Precisión (verdaderos positivos / positivos previstos) = TP / TP + FP.
- Sensibilidad también conocida como Recuperación (verdaderos positivos / todos los positivos reales) = TP / TP + FN.