Machine Learning - Confusion Matrix

Machine Learning - Confusion Matrix

LAVI

Confusion Matrix 混淆矩陣


圖片來源

  • TP(True Positive): 實際為 True,預測為 Positive,預測的結果與實際情況相同
  • TN(True Negative): 實際為 False,預測為 Negative,預測的結果與實際情況不同
  • FP(False Positive): 實際為 False,預測為 Positive,預測的結果與實際情況不同,Type I Error
  • FN(False Negative): 實際為 True,預測為 Negative,預測的結果與實際情況不同,Type II Error

Error

因為實際為 False,無論預測為 Positive 還是 Negative,都會希望他不要出現,因此兩種狀況被稱為 Error
又分別分為 Type I Error 和 Type II E,尤其 Type I Error 又更嚴重

因為實際 False,卻預測是 Positive,會比實際 True 但預測 Negative 嚴重

模型評估指標

Accuracy準確率


圖片來源

在所有資料總數中,較在意實際資料為 True 的數量

Precision 精確率


圖片來源

在所有預測是 Positive的狀況中,較在意 True Positive 的數量

Recall 召回率


圖片來源

在所有實際值都是 Yes的狀況中,較在意 True Positive 的數量

F-Measure

F1-score

Reference