Busque 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
Un valor bajo de % Correcto se debe generalmente a un modelo ajustado deficiente, que puede ser causado por varias razones diferentes. Si el % Correcto es muy bajo, considere si las ponderaciones de clase podrían ayudar. Los ponderaciones de clase pueden ayudar a proporcionar un modelo más exacto cuando las observaciones de una clase tienen mayor ponderación que las observaciones de otra clase. También puede cambiar la probabilidad cuando se requiera para que un caso sea clasificado como el evento.