Доли из таблицы бинарной классификации
Точные accuracy, precision, recall, specificity и F1 из четырёх количеств с явным неопределённым нулевым знаменателем.
Ваш пример
Разбор примера
Доли рассчитаны для 100 наблюдений
| Метрика | Числитель | Знаменатель | Точно | Проценты ≈ |
|---|---|---|---|---|
| Accuracy | 85 | 100 | 17/20 | 85 % |
| Precision | 30 | 40 | 3/4 | 75 % |
| Recall / чувствительность | 30 | 35 | 6/7 | 85,7142857143 % |
| Specificity / специфичность | 55 | 65 | 11/13 | 84,6153846154 % |
| Доля верных отрицательных | 55 | 60 | 11/12 | 91,6666666667 % |
| F1 | 60 | 75 | 4/5 | 80 % |
- Не смешиваем реальные классы с предсказанными: TP+FN — все реальные положительные, TP+FP — положительные предсказания.
- 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.