Support für Minitab® 

Verwirrungsmatrix für Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet®-Klassifikation

Weitere Informationen zu Minitab
Hinweis

Dieser Befehl ist mit Predictive Analytics-Modul. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.

Hier finden Sie Definitionen und Interpretationen für jede Statistik in der Konfusionsmatrix.
Die Konfusionsmatrix veranschaulicht mit Hilfe dieser Metriken, wie gut der Baum die Klassen korrekt trennt:
  • Richtig-Positiv-Rate (TPR): Die Wahrscheinlichkeit, dass ein Ereignisfall richtig prognostiziert wird.
  • Falsch-Positiv-Rate (FPR): Die Wahrscheinlichkeit, dass ein Nicht-Ereignisfall falsch prognostiziert wird.
  • Falsch-Negativ-Rate (FNR): Die Wahrscheinlichkeit, dass ein Ereignisfall falsch prognostiziert wird.
  • Richtig-Negativ-Rate (TNR): Die Wahrscheinlichkeit, dass ein Nicht-Ereignisfall richtig prognostiziert wird.

Interpretation

Konfusionsmatrix



Prognostizierte Klasse
(Trainings)		Prognostizierte Klasse
(Kreuzvalidierung)
Tatsächliche
Klasse
Anzahl10% Richtig10% Richtig
1 (Ereignis)1391241589,211102979,14
0164815695,122414085,37
Alle30313217192,4113416982,51
Die Zeile wird einer Ereignisklasse zugewiesen, wenn die Ereigniswahrscheinlichkeit für die
     Zeile 0,5 überschreitet.
     
StatistikenTrainings
(%)		Kreuzvalidierung
(%)
Richtig-Positiv-Rate (Empfindlichkeit oder Trennschärfe)89,2179,14
Falsch-Positiv-Rate (Fehler 1. Art)4,8814,63
Falsch-Negativ-Rate (Fehler 2. Art)10,7920,86
Richtig-Negativ-Rate (Spezifität)95,1285,37

In diesem Beispiel beträgt die Gesamtzahl der Ja-Ereignisse 139 und die Gesamtzahl der Nein 164.
  • In den Trainingsdaten beträgt die Anzahl der vorhergesagten Ereignisse (Ja) 124, was 89,21 % korrekt ist.
  • In den Trainingsdaten beträgt die Anzahl der vorhergesagten Nichtereignisse (Nr.) 156, was 95,12 % korrekt ist.
  • In den Kreuzvalidierungsergebnissen beträgt die Anzahl der vorhergesagten Ereignisse (Ja) 110, was 79,14 % korrekt ist.
  • In den Kreuzvalidierungsergebnissen beträgt die Anzahl der vorhergesagten Nichtereignisse (Nr.) 140, was 85,37 % korrekt ist.
Insgesamt liegt der %Correct für Training bei 92,41 % und 82,51 % bei Cross-Validation. Verwenden Sie die Ergebnisse für die Testdaten, um die Prognosegenauigkeit für neue Beobachtungen auszuwerten.

Ein niedriger Wert für „% Richtig“ wird in der Regel durch ein mangelhaft angepasstes Modell verursacht, das auf verschiedene Gründe zurückzuführen werden kann. Wenn „% Richtig“ sehr niedrig ist, überlegen Sie, ob Klassengewichtungen helfen können. Klassengewichtungen können dazu beitragen, ein genaueres Modell zu erhalten, wenn Beobachtungen aus einer Klasse eine höhere Bedeutung als Beobachtungen aus einer anderen Klasse haben. Außerdem können Sie die Wahrscheinlichkeit ändern, die erforderlich ist, damit ein Fall als Ereignis klassifiziert wird.

Copyright © 2026 Minitab, LLC. All rights Reserved.