Lebih dari sekadar akurasi
Kenapa ini penting Pada tes penyakit langka di mana 95% orang sehat, model yang selalu bilang "sehat" mendapat akurasi 95% dan tidak berguna.
Confusion matrix menghitung, untuk setiap kelas sebenarnya, seberapa sering setiap kelas diprediksi: baris = kenyataan, kolom = prediksi. Dari situ, untuk satu kelas yang kamu pedulikan:
- Presisi: dari semua kali model bilang "positif", seberapa sering ia benar?
- Recall: dari semua positif sebenarnya, berapa banyak yang ditemukan model?
Angka kecil
100 orang, 5 sakit. Model malas bilang sehat untuk semua: akurasi 95%, recall 0 dari 5 = 0. Model sungguhan menandai 8 orang, 4 di antaranya sakit: presisi 4/8 = 0.5, recall 4/5 = 0.8, dan akurasi (4 + 91) / 100 = 95%. Akurasinya sama, kegunaannya sama sekali berbeda.
Kata dan simbol di pelajaran ini
- confusion matrix
- hitungan kelas sebenarnya (baris) terhadap kelas yang diprediksi (kolom)
- presisi, recall
- dari yang ditandai, berapa banyak yang benar; dari yang ada, berapa banyak yang ditemukan
Tulis confusion(y_true, y_pred, k) (array k x k berisi jumlah) dan precision_recall(y_true, y_pred, positive) yang mengembalikan pasangan (gunakan 0.0 jika tidak ada yang bisa dibagi).
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.