Professional Documents
Culture Documents
Ocena Jakosci Klasyfikacji
Ocena Jakosci Klasyfikacji
(T P + T N )
evacc (T, S) = . (1)
(T P + T N + F P + F N )
Czułość
Czułość, to miara oceniająca klasyfikator na podstawie błędnego sklasy-
fikowania obiektów z N klasy do klasy P . W tym przypadku lepsze jest
pominięcie niektórych obiektów z klasy P niż błędne przyporządkowanie
do niej obiektów z klasy N . Czułość wyznacza się na podstawie stosunku
1
poprawnie sklasyfikowanych obiektów do klasy P w stosunku do wszystkich
obiektów przyporządkowanych do tej klasy:
TP
evrec (T, S) = . (2)
(T P + F N )
Precyzja
Precyzja jest inną, prostą miarą stosowaną w przypadku klasyfikacji binar-
nej. Wyznaczana jest na podstawie wzoru (3), czyli stosunku poprawnie
sklasyfikowanych obiektów do klasy P w stosunku do wszystkich obiektów,
które powinny być sklasyfikowane do tej klasy. Można więc powiedzieć, że
w przypadku precyzji lepiej błędnie przypisać obiekt z klasy N do klasy P,
niż błędnie sklasyfikować obiekt z klasy P .
TP
evprec (T, S) = . (3)
(T P + F P )
F-miara
Próbą zrównoważenia precyzji i czułości jest F-miara. Jest to często stoso-
wana miara oceny klasyfikacji binarnej. W najprostszej postaci wyznacza się
ją na podstawie stosunku podwojonego iloczynu precyzji i czułości do sumy
tych dwóch miar:
(T P + T P )
evf m (T, S) = . (5)
(T P + T P + F P + F N )
(T P · T N − F P · F N )
evmcc (T, S) = p .
(T P + F P ) · (T P + F N ) · (T N + F P ) · (T N + F N )
(6)
Współczynnik korelacji Matthewsa uważany jest za dobrą miarę stosowaną
w przypadku, kiedy dysproporcja pomiędzy licznością obiektów w klasach
decyzyjnych jest bardzo duża.