Машинное обучение вики
м (Kst179 переименовал страницу Матрица ошибок в Матрица ошибок (Confusion matrix))
NikEYN (обсуждение | вклад)
Метки: apiedit, Визуальный редактор
Строка 11: Строка 11:
 
* False negative (FN). <math>FN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = +1]</math>
 
* False negative (FN). <math>FN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = +1]</math>
   
P означает что '''классификатор''' определяет класс объекта как положительный (N - отрицательный). T - значит что класс предсказан правильно (соответственно N - неправильно).
+
P означает что '''классификатор''' определяет класс объекта как положительный (N - отрицательный). T - значит что класс предсказан правильно (соответственно F - неправильно).
   
 
'''Ахтунг!''' Не путать с [[Матрица штрафов (Сost matrix)|матрицей штрафов]].
 
'''Ахтунг!''' Не путать с [[Матрица штрафов (Сost matrix)|матрицей штрафов]].

Версия 22:17, 5 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

Classification matrix en.png

В случае бинарной классификации метка класса принимает значение (положительный класс) или (отрицательный). Вводятся 4 вида штрафов:

  • 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.