Hinweis
Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Wählen Sie die gewünschte Methode oder Formel aus.
Die Konfusionsmatrix enthält Ergebnisse zur Klassifikationsgenauigkeit des Modells. In den meisten Fällen ist die Klassifikation für eine Zeile die Antwortstufe mit der höchsten prognostizierten Wahrscheinlichkeit. Bei einer binären Antwortvariablen ist die Klassifikation für die Zeile beispielsweise die Ereigniskategorie, wenn die prognostizierte Wahrscheinlichkeit des Ereignisses mehr als 0,50 beträgt. Für eine binäre Antwortvariable können Sie jedoch einen anderen Schwellenwert als 0,50 angeben.
Anzahl
Wenn keine Gewichtungen vorhanden sind, sind die Anzahlen und die Stichprobenumfänge gleich.
Anzahl gewichtet
Sind Gewichtungen vorhanden, entspricht die Anzahl gewichtet der Summe der Gewichtungen für eine Kategorie. Verwenden Sie die Gewichtungen, um Prozentsätze und Raten zu berechnen. Betrachten Sie das folgende einfache Beispiel:
| Antwortebene | Prognostizierte Stufe | Gewichtung |
|---|---|---|
| Ja | Ja | 0,1 |
| Ja | Ja | 0,2 |
| Ja | Nein | 0,3 |
| Ja | Nein | 0,4 |
| Nein | Nein | 0,5 |
| Nein | Nein | 0,6 |
| Nein | Ja | 0,7 |
| Nein | Ja | 0,8 |
Diese Tabelle enthält die folgenden Statistiken:
| Tatsächliche Klasse | Anzahl gewichtet | Voraussichtliche Klasse = Ja | Prognostizierte Klasse = Nein | Prozent richtig |
|---|---|---|---|---|
| Ja | 0,1 + 0,2 + 0,3 + 0,4 = 1 | 0,1 + 0,2 = 0,3 | 0,3 + 0,4 = 0,7 | 0,3 / (0,3 + 0,7) ×100 = 30,00% |
| Nein | 0,5 + 0,6 + 0,7 + 0,8 = 2,6 | 0,7 + 0,8 = 1,5 | 0,5 + 0,6 = 1,1 | 1,1 / (1,5 + 1,1) × 100 = 42,31 % |
| Alle | 1 + 2,6 = 3,6 | 0,3 + 1,5 = 1,8 | 0,7 + 1,1 = 1,8 | (0,3 + 1,1) / 3,6 × 100 = 38,89 % |
Richtig-Positiv-Rate (Empfindlichkeit oder Trennschärfe)
Falsch-Positiv-Rate (Fehler 1. Art)
Falsch-Negativ-Rate (Fehler 2. Art)
Richtig-Negativ-Rate (Spezifität)
