Tính độ chính xác và ma trận nhầm lẫn
Tính độ chính xác, precision, độ nhạy, độ đặc hiệu và F1 từ ma trận nhầm lẫn nhị phân.
Công thức
N=TP+TN+FP+FN; accuracy=(TP+TN)/N; precision=TP/(TP+FP); recall=TP/(TP+FN); specificity=TN/(TN+FP); F1=2TP/(2TP+FP+FN). Tỷ lệ ×100%; MCC∈[−1;1]. FNR=FN/(TP+FN); FPR=FP/(TN+FP); FDR=FP/(TP+FP); MCC=(TP·TN−FP·FN)/√((TP+FP)(TP+FN)(TN+FP)(TN+FN)).
Độ chính xác ≈ 100×((40)+(50))÷(100) · Tỷ lệ sai ≈ 100×((5)+(5))÷(100) · Precision (tỷ lệ dương dự đoán đúng) ≈ 100×(40)÷max((40)+(5),1) · Độ nhạy (recall) ≈ 100×(40)÷max((40)+(5),1) · Độ đặc hiệu ≈ 100×(50)÷max((50)+(5),1) · Điểm F1 ≈ 200×(40)÷max(2×(40)+(5)+(5),1) · Tỷ lệ âm giả ≈ 100×(5)÷max((40)+(5),1) · Tỷ lệ dương giả ≈ 100×(5)÷max((50)+(5),1) · Tỷ lệ phát hiện sai ≈ 100×(5)÷max((40)+(5),1) · Hệ số Matthews ≈ ((40)×(50)-(5)×(5))÷sqrt(max(((40)+(5))×((40)+(5))×((50)+(5))×((50)+(5)),1))
Cách sử dụng
- Nhập số dương tính đúng và âm tính đúng.
- Nhập số dương tính giả và âm tính giả.
- So sánh các chỉ số phân loại theo phần trăm.
Ví dụ
- 40 TP, 50 TN, 5 FP và 5 FN cho độ chính xác 90%.
Câu hỏi thường gặp
Các số đếm nghĩa là gì?
TP, TN là dự đoán dương và âm đúng; FP, FN là dự đoán dương và âm sai.
Xử lý mẫu số bằng 0 thế nào?
Cần ít nhất một trường hợp. Mọi chỉ số không xác định, kể cả MCC, được ghi 0 theo quy ước.
Chỉ độ chính xác đã đủ chưa?
Chưa. Với dữ liệu lệch lớp, cần xem thêm precision và độ nhạy; tỷ lệ đúng cao vẫn có thể bỏ sót nhiều ca dương hiếm.
Nguồn
Cập nhật: