мНет описания правки Метки: Визуальный редактор apiedit |
Метки: Визуальный редактор apiedit |
||
(не показана 1 промежуточная версия этого же участника) | |||
Строка 18: | Строка 18: | ||
|TN |
|TN |
||
|} |
|} |
||
− | В случае бинарной классификации метка класса <math>y</math> принимает значение <math>+1</math> (положительный класс) или <math>-1</math> (отрицательный). Вводятся 4 |
+ | В случае бинарной классификации метка класса <math>y</math> принимает значение <math>+1</math> (положительный класс) или <math>-1</math> (отрицательный). Вводятся 4 величины, соответствующие элементам матрицы ошибок: |
* True positive (TP). <math>TP = \sum _{i = 0} ^n [a(x_i) = +1][y_i = +1]</math> |
* True positive (TP). <math>TP = \sum _{i = 0} ^n [a(x_i) = +1][y_i = +1]</math> |
||
* True negative (TN). <math>TN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = -1]</math> |
* True negative (TN). <math>TN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = -1]</math> |
Текущая версия от 00:13, 13 января 2017
Матрица ошибок (confusion matrix)[]
Пусть дана выборка (, - метка класса i-го объекта, ), каждый объект которой относится к одному из классов и классификатор , который эти классы предсказывает. Матрицей ошибок для такого классификатора называется следующая матрица: .
Такая матрица показывает сколько объектов класса были распознаны как объекты класса .
Случай бинарной классификации[]
TP | FP | |
FN | TN |
В случае бинарной классификации метка класса принимает значение (положительный класс) или (отрицательный). Вводятся 4 величины, соответствующие элементам матрицы ошибок:
- True positive (TP).
- True negative (TN).
- False positive (FP).
- False negative (FN).
P означает что классификатор определяет класс объекта как положительный (N - отрицательный). T - значит что класс предсказан правильно (соответственно F - неправильно).
Ахтунг! Не путать с матрицей штрафов.
Точность, полнота, F мера.[]
accuracy
precision
recall
Литература: