Доли из таблицы бинарной классификации

Точные accuracy, precision, recall, specificity и F1 из четырёх количеств с явным неопределённым нулевым знаменателем.

Ваш пример

Все поля — целые количества от нуля до 10⁹. Хотя бы одно количество положительно; смысл положительного класса определяется вашей учебной задачей.

Разбор примера

Доли рассчитаны для 100 наблюдений

Каждая доля относится к собственной совокупности
МетрикаЧислительЗнаменательТочноПроценты ≈
Accuracy8510017/2085 %
Precision30403/475 %
Recall / чувствительность30356/785,7142857143 %
Specificity / специфичность556511/1384,6153846154 %
Доля верных отрицательных556011/1291,6666666667 %
F160754/580 %
  1. Не смешиваем реальные классы с предсказанными: TP+FN — все реальные положительные, TP+FP — положительные предсказания.
  2. Высокая общая доля верных ответов не гарантирует качество редкого класса. Выбор метрики зависит от задачи.
Наблюдений
100
Неопределённых долей
0

Метод и условия расчёта

Каждую долю считаем для её собственного знаменателя. Пустая условная группа означает неопределённую долю, а не автоматически ноль.

Вопросы по теме

Accuracy и precision означают одно?

Нет. Accuracy считает все верные решения, precision — долю верных среди положительных предсказаний.

Это диагностика по личным данным?

Нет. Это арифметика заранее заданной учебной таблицы; она не определяет пригодность реальной модели или индивидуальный риск.

Таблицы категорий и качество классификации: объяснения, примеры и практика

Основа объяснения

Объяснения и примеры подготовлены для erudeet. По ссылкам можно сверить определения и условия модели.