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:
- Gerçek Pozitif (TP): Modelin doğru bir şekilde pozitif sınıf olarak tahmin ettiği örnekler 12.
- Gerçek Negatif (TN): Modelin doğru bir şekilde negatif sınıf olarak tahmin ettiği örnekler 12.
- Yanlış Pozitif (FP): Modelin yanlış bir şekilde pozitif sınıf olarak tahmin ettiği örnekler (Tip I hata) 23.
- 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: