Calculateur de Matrice de Confusion
Calculez l'accuracy, la precision, le recall, le F1, la specificite et le MCC a partir d'une matrice de confusion. Entrez TP, TN, FP, FN pour obtenir toutes les metriques de classification.
Comment utiliser le calculateur de matrice de confusion
- Entrez les vrais positifs (TP).
- Entrez les vrais negatifs (TN).
- Entrez les faux positifs (FP).
- Entrez les faux negatifs (FN).
- Cliquez sur Calculer pour voir toutes les metriques.
Cas d'utilisation
- •Evaluation complete des classificateurs binaires.
- •Comparaison des performances des modeles selon plusieurs metriques.
- •Diagnostic des effets du desequilibre de classes sur la qualite du modele.
- •Rapport des resultats d'evaluation de modeles dans des projets de ML.
Formule
Accuracy = (TP+TN)/(TP+TN+FP+FN). Precision = TP/(TP+FP). Recall = TP/(TP+FN). F1 = 2PR/(P+R). Specificite = TN/(TN+FP). MCC = (TP×TN−FP×FN)/√((TP+FP)(TP+FN)(TN+FP)(TN+FN)).
Questions fréquemment posées
Qu'est-ce qu'une matrice de confusion ?
Une matrice de confusion affiche les comptes de vrais positifs, vrais negatifs, faux positifs et faux negatifs pour un classificateur.
Qu'est-ce que le MCC ?
Le coefficient de correlation de Matthews (MCC) est une mesure equilibree meme pour les classes desequilibrees, allant de -1 a +1.
Qu'est-ce que la specificite ?
La specificite (taux de vrais negatifs) = TN / (TN + FP), mesurant la capacite du modele a identifier les exemples negatifs.