Confusion Matrix ஐ எப்படி கணக்கிடுவது
Confusion Matrix என்றால் என்ன?
Creates confusion matrix showing actual vs. predicted classifications. Basis for evaluation metrics.
சூத்திரம்
Accuracy = (TP+TN) / total
- TP
- TN/(TN+FP) — TN/(TN+FP)
- TN
- TN value — Variable used in the calculation
படிப்படியான வழிகாட்டி
- 14 cells: TP (correct positive), FP (false positive), FN (false negative), TN (correct negative)
- 2Accuracy = (TP+TN) / total
- 3Sensitivity/Recall = TP/(TP+FN), Specificity = TN/(TN+FP)
- 4Precision = TP/(TP+FP)
தீர்க்கப்பட்ட எடுத்துக்காட்டுகள்
உள்ளீடு
TP/FP/TN/FN
முடிவு
Metrics calc
தவிர்க்க வேண்டிய பொதுவான தவறுகள்
- ✕Using accuracy for imbalanced data (wrong)
- ✕Confusing sensitivity and specificity
- ✕Not balancing precision/recall tradeoff
அடிக்கடி கேட்கப்படும் கேள்விகள்
When use different metrics?
Accuracy: balanced classes; precision: minimize false positives; recall: minimize false negatives.
What about imbalanced classes?
Accuracy misleading; use precision, recall, F1-score, or AUC instead.
கணக்கிடத் தயாரா? இலவச Confusion Matrix கால்குலேட்டரை முயற்சிக்கவும்
நீங்களே முயற்சிக்கவும் →