Terminologi og utledninger
innen forvirringsmatriser
- tilstand positiv (P)
- antall reellt positive tilfeller i datene
- tilstand negativ (N)
- antall reellt negative tilfeller i datene
- sann positiv (SP)
- antall reellt positive tilfeller klassifisert som positive (trefninger)
- sann negative (SN)
- antall reellt negative tilfeller klassifisert som negative (korrekt forkastninger)
- falsk positive (FP)
- antall reellt negative tilfeller klassifisert som positive (falske alarmer, type-I-feil)
- falsk negative (FN)
- antall reellt positive tilfeller klassifisert som negative (bomskudd, type-II-feil)
- sensitivitet, recall, trefningsrate, eller sann-positiv-rate (SPR)
![{\displaystyle \mathrm {SPR} ={\frac {\mathrm {SP} }{\mathrm {P} }}={\frac {\mathrm {SP} }{\mathrm {SP} +\mathrm {FN} }}=1-\mathrm {FNR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/f41bf2cc80d454caf95d0f8514e92c04861fe3a3)
- spesifisitet, selektivitet, eller sann-negativ-rate (SNR)
![{\displaystyle \mathrm {SNR} ={\frac {\mathrm {SN} }{\mathrm {N} }}={\frac {\mathrm {SN} }{\mathrm {SN} +\mathrm {FP} }}=1-\mathrm {FPR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/0d4d8246daa77c3a87c65879cd345383d2e5cc79)
- presisjon, eller positiv-prediktiv-verdi (PPV)
![{\displaystyle \mathrm {PPV} ={\frac {\mathrm {SP} }{\mathrm {SP} +\mathrm {FP} }}=1-\mathrm {FOR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/e0dec0a0762b6342899079439fa1a82f02b05105)
- negativ-prediktiv-verdi (NPV)
![{\displaystyle \mathrm {NPV} ={\frac {\mathrm {SN} }{\mathrm {SN} +\mathrm {FN} }}=1-\mathrm {FOR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/9824dcde243a0d406a9ecc7b543b031325571abb)
- bomskuddsrate, eller falsk-negativ-rate (FNR)
![{\displaystyle \mathrm {FNR} ={\frac {\mathrm {FN} }{\mathrm {P} }}={\frac {\mathrm {FN} }{\mathrm {FN} +\mathrm {SP} }}=1-\mathrm {SPR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/7ab3806661c348a1013373168b10df36df008505)
- fall-out, eller falsk-positiv-rate (FPR)
![{\displaystyle \mathrm {FPR} ={\frac {\mathrm {FP} }{\mathrm {N} }}={\frac {\mathrm {FP} }{\mathrm {FP} +\mathrm {SN} }}=1-\mathrm {SNR} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/1fa67dbd5972a0f106e8638dc75416d8d8a65821)
- falsk-oppdagelsesrate (FOR)
![{\displaystyle \mathrm {FOR} ={\frac {\mathrm {FP} }{\mathrm {FP} +\mathrm {SP} }}=1-\mathrm {PPV} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/8dc9340aad625f675360bef204c81f10667d3465)
- falsk-utelatelsesrate (FUR)
![{\displaystyle \mathrm {FUR} ={\frac {\mathrm {FN} }{\mathrm {FN} +\mathrm {SN} }}=1-\mathrm {NPV} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/7a32cb350fb402c8f9828668fa71e79b371748f1)
- nøyaktighet (NØY)
![{\displaystyle {\text{NØY}}={\frac {\mathrm {SP} +\mathrm {SN} }{\mathrm {P} +\mathrm {N} }}={\frac {\mathrm {SP} +\mathrm {SN} }{\mathrm {SP} +\mathrm {SN} +\mathrm {FP} +\mathrm {FN} }}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b0174cbe37380ee62aedd658f651160423a7c02d)
- F1-verdi
- det harmoniske gjennomsnitt mellom presisjon og sensitivitet
![{\displaystyle \mathrm {F} _{1}=2\cdot {\frac {\mathrm {PPV} \cdot \mathrm {SPR} }{\mathrm {PPV} +\mathrm {SPR} }}={\frac {2\mathrm {SP} }{2\mathrm {SP} +\mathrm {FP} +\mathrm {FN} }}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/568fb6840d2568042062cbc03087f8d47ac71c39)
- Matthews korrelasjonskoeffisient (MKK)
![{\displaystyle \mathrm {MCC} ={\frac {\mathrm {SP} \times \mathrm {SN} -\mathrm {FP} \times \mathrm {FN} }{\sqrt {(\mathrm {SP} +\mathrm {FP} )(\mathrm {SP} +\mathrm {FN} )(\mathrm {SN} +\mathrm {FP} )(\mathrm {SN} +\mathrm {FN} )}}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b8622ad8c7f26c08ccf1163f889a81fd21cd6d30)
- Youden-indeks, Informedness, eller Bookmaker Informedness (BM)
![{\displaystyle \mathrm {BM} =\mathrm {SPR} +\mathrm {SNR} -1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0bbfad778a84fbdfe705de90693b50a99070628b)
- Markerthet, Markedness (MH)
![{\displaystyle \mathrm {MK} =\mathrm {PPV} +\mathrm {NPV} -1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/5437f65a40714949105525ad5f8217d654299bca)
Kilder: Fawcett (2006),[1] Powers (2011),[2] and Ting (2011)[3]
|
Innenfor maskinlæring og spesifikt statistisk klassifisering er en forvirringsmatrise, også kjent som feilmatrise,[4] et spesifikt tabelloppsett som visualiserer ytelsen til en algoritme, typisk ved veiledet læring. I ikke-veiledet læring kalles det vanligvis en samsvarmatrise.
Hver rad i matrisen representerer instansene i en faktisk klasse, mens hver kolonne representerer instansene i en predikert klasse (eller omvendt – begge variantene finnes i litteraturen).[2] Navnet kommer fra at matrisen gjør det enkelt å se om systemet forveksler to klasser (altså ofte feilmerker den ene som en annen).
Det er en spesiell type krysstabell med to dimensjoner ("faktisk" og "predikert"), og identiske sett med "klasser" i begge dimensjoner (hver kombinasjon av dimensjon og klasse er en variabel i krysstabellen).