Ordlista

Förväxlingsmatris (confusion matrix)

Vad är Förväxlingsmatris (confusion matrix)?

En förväxlingsmatris är en tabell som jämför en klassificerares förutsägelser med de faktiska klasserna. För två klasser visar den sanna positiva, falska positiva, sanna negativa och falska negativa. Utifrån den kan mått som precision, täckning och F1-värde beräknas, och det blir tydligt vilka fel som uppstår. Exempel: ett skräppostfilter som flaggar många riktiga e-postmeddelanden som skräppost har många falska positiva, vilket ofta är dyrare än ett missat skräppostmeddelande.

Ämnen

Modellutvärdering
Bedömning
Mått

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

F-värde (F1-värde)

F-värdet är ett mått för att utvärdera klassificeringsmodeller. Det vanliga F1-värdet är det harmoniska medelvärdet av precision (hur många av de förutsagda träffarna som är korrekta) och täckning (hur många av de faktiska träffarna som hittades) och ligger mellan 0 och 1. Det är särskilt användbart vid obalanserade data: ett skräppostfilter som nästan aldrig flaggar skräppost kan ha hög noggrannhet men lågt F1-värde.

Utvärderingsmått
Bedömning
+1

Recall inom maskininlärning

Recall (även kallat känslighet eller andel sanna positiva) mäter hur stor andel av de faktiska positiva fallen som en modell upptäcker: korrekt identifierade positiva dividerat med alla verkliga positiva. Om ett bedrägerifilter fångar 80 av 100 verkliga bedrägerifall är dess recall 0,8. Hög recall är viktig när missade fall är kostsamma, som vid medicinsk diagnostik. Eftersom den bortser från falsklarm bedöms den vanligtvis tillsammans med precision, till exempel i F-måttet.

mått
modellutvärdering
+1

Klassificerare

En klassificerare är en modell eller metod som placerar indata i en av flera förutbestämda kategorier. Klassiska varianter som beslutsträd eller naiv Bayes tränas på annoterade exempel; språkmodeller kan också sortera texter utifrån en beskrivning av kategorierna. Typiska användningar är skräppostdetektering, sortering av kundförfrågningar efter ämne och kategorisering av kvitton. Kvaliteten mäts med mått som noggrannhet, precision och täckning.

Bedömning
Maskininlärning
+1

Mall

ROC-kurva

ROC-kurvan (receiver operating characteristic) visar hur väl en klassificeringsmodell skiljer mellan två klasser. För varje möjligt tröskelvärde för beslut ritar den ut andelen sanna positiva (recall) mot andelen falska positiva. Ju närmare kurvan når det övre vänstra hörnet, desto bättre; diagonalen motsvarar ren gissning. Arean under kurvan (AUC) sammanfattar kurvan i ett enda tal och hjälper till exempel när man jämför olika modeller för bedrägeriupptäckt.

mått
modellutvärdering
+1