Matriz de confusión para Clasificación CART^®

Encuentre definiciones e interpretaciones para cada estadístico en la matriz de confusión.

La matriz de confusión muestra qué tan bien el árbol separa correctamente las clases utilizando estas métricas:

Tasa de verdaderos positivos (TPR): la probabilidad de que un caso de evento se pronostique correctamente
Tasa de falsos positivos (FPR) — la probabilidad de que un caso de no evento se pronostique erróneamente
Tasa de falsos negativos (FNR) — la probabilidad de que un caso de evento se pronostique erróneamente
Tasa de verdaderos negativos (TNR): la probabilidad de que un caso de no evento se pronostique correctamente

Interpretación

		Clase de predicción (entrenamiento)			Clase de predicción (prueba)
		Clase de predicción (entrenamiento)			Clase de predicción (prueba)
Clase real	Conteo	Sí	No	% Correcto	Sí	No	% Correcto
Sí (Evento)	139	117	22	84.2	105	34	75.5
No	164	22	142	86.6	24	140	85.4
Todo	303	139	164	85.5	129	174	80.9

Estadísticas	Entrenamiento (%)	Prueba (%)
Tasa de positivos verdaderos (sensibilidad o potencia)	84.2	75.5
Tasa de positivos falsos (error tipo I)	13.4	14.6
Tasa de negativos falsos (error tipo II)	15.8	24.5
Tasa de negativos verdaderos (especificidad)	86.6	85.4

En este ejemplo, el número total de eventos Sí es 139 y el número total de eventos No es 164.

En los datos de entrenamiento, el número de eventos Sí pronosticados es 117, que es 84.2% correcto.
En los datos de entrenamiento, el número de eventos No pronosticados es 142, que es 86.6% correcto.
En los datos de prueba, el número de eventos Sí pronosticados es 105, que es 75.5% correcto.
En los datos de prueba, el número de eventos No pronosticados es 140, que es 80.9% correcto.

En general, el %Correcto para los datos de entrenamiento es 85.5%, y 80.9% para los datos de prueba.

Tasa de verdaderos positivos (TPR): 84.2% para los datos de entrenamiento y 75.5% para los datos de prueba.
Tasa de falsos positivos (FPR): 13.4% para los datos de entrenamiento y 14.6% para los datos de prueba.