Verder dan nauwkeurigheid
Waarom dit ertoe doet Bij een test voor een zeldzame ziekte waarbij 95% van de mensen gezond is, scoort een model dat altijd "gezond" zegt 95% nauwkeurigheid en is nutteloos.
A confusion matrix telt voor elke ware klasse hoe vaak elke klasse werd voorspeld: rij = waarheid, kolom = voorspelling. Hiermee kun je voor één klasse die je belangrijk vindt:
- Precisie: van de keren dat het model "positief" zei, hoe vaak had het gelijk?
- Recall: van de echte positieven, hoeveel heeft het model gevonden?
Tintalletjes
100 mensen, 5 ziek. Het luie model zegt gezond voor iedereen: accuracy 95%, recall 0 van 5 = 0. Een echt model markeert 8 mensen, 4 daarvan ziek: precision 4/8 = 0.5, recall 4/5 = 0.8, en accuracy (4 + 91) / 100 = 95%. Zelfde accuracy, totaal andere bruikbaarheid.
Woorden en symbolen in deze les
- confusion matrix
- aantallen van de ware klasse (rij) tegenover de voorspelde klasse (kolom)
- precisie, recall
- van wat het markeerde, hoeveel was juist; van wat er was, hoeveel vond het
Schrijf confusion(y_true, y_pred, k) (een k bij k array van counts) en precision_recall(y_true, y_pred, positive) die een paar teruggeven (gebruik 0.0 wanneer er niets is om door te delen).
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.