Calcolatore di Matrice di Confusione
Calcola accuratezza, precisione, recall, F1, specificita e MCC da una matrice di confusione. Inserisci TP, TN, FP, FN per ottenere tutte le metriche di classificazione principali.
Come usare il Calcolatore di Matrice di Confusione
- Inserisci i Veri Positivi (TP).
- Inserisci i Veri Negativi (TN).
- Inserisci i Falsi Positivi (FP).
- Inserisci i Falsi Negativi (FN).
- Clicca su Calcola per visualizzare tutte le metriche.
Casi d'Uso
- •Valutazione completa dei classificatori binari.
- •Confronto delle prestazioni del modello su piu metriche.
- •Diagnosi degli effetti dello sbilanciamento delle classi sulla qualita del modello.
- •Presentazione dei risultati di valutazione del modello nei progetti di ML.
Formula
Accuratezza = (TP+TN)/(TP+TN+FP+FN). Precisione = TP/(TP+FP). Recall = TP/(TP+FN). F1 = 2PR/(P+R). Specificita = TN/(TN+FP). MCC = (TP×TN−FP×FN)/√((TP+FP)(TP+FN)(TN+FP)(TN+FN)).
Domande Frequenti
Che cos'e una matrice di confusione?
Una matrice di confusione mostra il conteggio dei veri positivi, veri negativi, falsi positivi e falsi negativi per un classificatore.
Che cos'e l'MCC?
Il coefficiente di correlazione di Matthews (MCC) e una misura bilanciata anche per classi sbilanciate, con valori compresi tra -1 e +1.
Che cos'e la specificita?
La specificita (tasso di veri negativi) = TN / (TN + FP), e misura quanto bene il modello identifica i negativi.