Naar de inhoud

Maten uit een verwarringsmatrix berekenen

Controleer vijf maten voor binaire classificatie uit aantallen ware en foutieve positieven en negatieven.

Voer de classificatieaantallen in

Verwerkt in je browser.

Geheel getal van 0 of hoger.

Geheel getal van 0 of hoger.

Geheel getal van 0 of hoger.

Geheel getal van 0 of hoger.

Classificatiematen

Voer TP, FP, FN en TN in en bereken.

Zo gebruik je de verwarringsmatrixcalculator

Gebruik aantallen van één binaire classificatie nadat je hebt bepaald welke klasse positief is. Deze pagina controleert maten; hij traint of draait geen model.

  1. Voer terecht positieven (TP) en fout-positieven (FP) in.
  2. Voer fout-negatieven (FN) en terecht negatieven (TN) in.
  3. Kies Berekenen om elke maat uit de vier aantallen te bepalen.
  4. Lees elke melding over een ongedefinieerde maat met de exacte nulnoemer.
  5. Wijzig een aantal om het oude resultaat ongeldig te maken of kies Wissen om alle aantallen te verwijderen.

Wat de vier aantallen betekenen

TP en TN zijn correcte voorspellingen voor de positieve en negatieve klasse. FP voorspelt positief voor een werkelijk negatief item; FN voorspelt negatief voor een werkelijk positief item. De positieve klasse omwisselen verandert precisie, recall en specificiteit.

Formules voor de maten

Nauwkeurigheid=(TP+TN)/(TP+FP+FN+TN). Precisie=TP/(TP+FP), recall=TP/(TP+FN), specificiteit=TN/(TN+FP) en F1=2TP/(2TP+FP+FN). F1 is, indien gedefinieerd, het harmonisch gemiddelde van precisie en recall.

Ongedefinieerde noemers

Een niet-lege matrix kan toch geen voorspelde positieven, werkelijke positieven of werkelijke negatieven hebben. De betreffende verhouding heeft dan noemer 0. De calculator laat die maat ongedefinieerd in plaats van stilzwijgend een vervangwaarde te kiezen.

Bereik en interpretatie

  • Aantallen moeten niet-negatieve gehele getallen zijn.
  • De tool verwerkt één binaire klassedefinitie, geen middeling over meerdere klassen.
  • Nauwkeurigheid kan hoog lijken bij ongebalanceerde data; vergelijk daarom klassespecifieke maten.
  • Er worden geen bestanden geüpload, modellen getraind of medische interpretaties gemaakt.

Uitgewerkt voorbeeld

Bij TP=40, FP=10, FN=20 en TN=30 is nauwkeurigheid 70%, precisie 80%, recall 66,67%, specificiteit 75% en F1 72,73%.

Veelgestelde vragen

Waarom is precisie ongedefinieerd?

Er zijn geen voorspelde positieven, dus TP+FP is 0.

Waarom kan recall 0 maar toch gedefinieerd zijn?

Als er werkelijke positieven zijn maar geen enkele wordt gevonden, is TP=0 terwijl TP+FN positief is. Recall is dan 0.

Omvat F1 terecht negatieven?

Nee. Binaire F1 combineert precisie en recall van de positieve klasse.

Is dit een medische testcalculator?

Nee. Hij controleert alleen rekenwerk uit opgegeven binaire classificatieaantallen.