iT邦幫忙

2023 iThome 鐵人賽

DAY 11
0
AI & Data

機器學習不難嘛系列 第 11

Day11-混淆矩陣(Confusion Matrix)

  • 分享至 

  • xImage
  •  

我們這次要學的東西叫做混淆矩陣,混淆矩陣是在機器學習中統計出來的一些資料,在只有兩種結果(1、0)的情況下會有四種結果,分別為TP(預測值和真實值皆為1)、FP(預測值為1真實值為0)、FN(預測值為0真實值為1)、TN(預測值和真實值皆為1),通常如果你給的訓練資料夠多TP跟TN值會越大,這是因為你的電腦經過大量的模型處理準確度已經足夠高了,而我們可以用很多的公式來辨識這個模型判斷的準不準確,像下面的四個公式(PPV、ACC、TPR、TNR)。

精確度precision=PPV

精確度可以確認預測為1的模型的正確率,公式如下圖。
https://ithelp.ithome.com.tw/upload/images/20230925/2016231185pXQhzUXC.png
準確度accuracy=ACC

準確度可以確認整個模型的正確率,公式如下圖。
https://ithelp.ithome.com.tw/upload/images/20230925/20162311hNf7CMzhEE.png
敏感度sensitvity=TPR

敏感度是偵測當真實值為1時的正確率,並與特異度相加為1,公式如下圖。
https://ithelp.ithome.com.tw/upload/images/20230925/20162311QcvpGIEwM2.png
特異度specificity=TNR

特異度是偵測當真實值為0時的正確率,並與敏感度相加為1,公式如下圖。
https://ithelp.ithome.com.tw/upload/images/20230925/20162311FUJqip9rRs.pnghttps://ithelp.ithome.com.tw/upload/images/20230925/20162311n51AMO5DkN.png
有關混淆矩陣的應用會在之後的例子中提到。


上一篇
Day10-Tensorflow和Keras
下一篇
Day12-Pandas
系列文
機器學習不難嘛30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言