• Buradasın

    Confusion matrix nasıl yorumlanır?

    Yazeka

    Arama sonuçlarına göre oluşturuldu

    Karışıklık matrisi (confusion matrix), sınıflandırma problemlerindeki tahmin sonuçlarının özetini sunan bir tablodur 13. Bu matris, modelin performansını ve yaptığı hata türlerini anlamak için kullanılır 13.
    Karışıklık matrisinin yorumlanması için aşağıdaki değerler dikkate alınır:
    1. Gerçek Pozitif (TP): Modelin doğru bir şekilde pozitif sınıf olarak tahmin ettiği örnekler 12.
    2. Gerçek Negatif (TN): Modelin doğru bir şekilde negatif sınıf olarak tahmin ettiği örnekler 12.
    3. Yanlış Pozitif (FP): Modelin yanlış bir şekilde pozitif sınıf olarak tahmin ettiği örnekler (Tip I hata) 23.
    4. Yanlış Negatif (FN): Modelin yanlış bir şekilde negatif sınıf olarak tahmin ettiği örnekler (Tip II hata) 23.
    Karışıklık matrisinden aşağıdaki performans metrikleri hesaplanabilir:
    • Doğruluk (Accuracy): Modelin tüm tahminler içinde ne kadar doğru tahminde bulunduğunu gösterir 24.
    • Hassasiyet (Precision): Pozitif olarak tahmin edilen örneklerin ne kadarının gerçekten pozitif olduğunu gösterir 24.
    • Kesinlik (Recall): Doğru pozitif tahmin sayısının, doğru pozitif ve doğru negatif tahmin sayısına bölünmesiyle hesaplanan bir ölçüdür 14.
    • F Puanı (F Score): Kesinlik ve hassasiyetin harmonik ortalamasıdır ve modelin performansının ne kadar iyi olduğunu gösterir 14.
    5 kaynaktan alınan bilgiyle göre:

    Konuyla ilgili materyaller

    Matrix ne anlama gelir?

    "Matrix" kelimesi İngilizce'de çeşitli anlamlara sahiptir: 1. Matematik ve Bilgisayar Bilimi: Sayıların veya diğer matematiksel nesnelerin düzenli bir şekilde yerleştirildiği dikdörtgen şeklindeki tablo, dizey. 2. Anatomi ve Biyoloji: Dölyatağı, rahim veya hücreler arasında bulunan madde. 3. Jeoloji: Fosil, billur veya başka bir mineralin kaya içinde bıraktığı iz. 4. Maden: Maden damarının dış astarı gibi olan taş/toprak. 5. Baskı ve Matbaacılık: Harf kalıbı, matris. 6. Genel Kullanım: Başlangıç noktası, kaynak, örnek.

    Confusion matrix nasıl hesaplanır?

    Confusion matrisi hesaplamak için aşağıdaki adımlar izlenir: 1. Test veri seti ve beklenen sonuç değerleri ile bir veri seti oluşturulur. 2. Model, test veri setindeki tüm satırları tahmin eder. 3. Beklenen tahminler ve sonuçlar hesaplanır: Her bir sınıfın doğru ve yanlış tahminlerinin toplamları belirlenir. 4. Bu sayılar matrise yerleştirilir: Her bir satır tahmin edilen sınıfı, her bir sütun ise gerçek sınıfı temsil eder. 5. Doğru ve yanlış sınıflandırmaların toplamları matrise eklenir: İlgili sınıf için doğru tahminlerin toplamı, tahmin edilen sütuna ve beklenen satıra yazılır; yanlış tahminlerin toplamı ise beklenen satıra ve tahmin edilen sütuna yazılır. Python'da `confusion_matrix` fonksiyonu, `scikit-learn` kütüphanesi tarafından sağlanır.