Matriz de confusão para Classificação CART^®

Encontre definições e interpretações para cada estatística da matriz Confusão.

A matriz confusão mostra se a árvore separa as classes bem e corretamente usando essas métricas:

Taxa de positivos verdadeiros (TPR) — a probabilidade da ocorrência de um evento seja predita corretamente
Taxa de falsos positivos (FPR) — a probabilidade de que a ocorrência de um não evento seja predita incorretamente
Taxa falsos negativos (FNR) — a probabilidade de que a ocorrência de um evento seja predita incorretamente
Taxa de negativos verdadeiros (TNR) — a probabilidade de que a ocorrência de não evento seja predita corretamente

Interpretação

Estatísticas	Treinamento (%)	Teste (%)
Taxa de positivo verdadeiro (sensibil. ou poder)	84,2	75,5
Taxa de positivo falso (erro tipo I)	13,4	14,6
Taxa de negativo falso (erro tipo II)	15,8	24,5
Taxa de negativo verdadeiro (especificidade)	86,6	85,4

Neste exemplo, o número total de eventos Sim é de 139, e o número total de eventos Não é de 164.

Nos dados de treinamento, o número de eventos Sim previstos é de 117, uma taxa de correção de 84,2%.
Nos dados de treinamento, o número de eventos Não previstos é de 142, uma taxa de correção de 86,6%.
Nos dados de teste, o número de eventos Sim previstos é de 105, uma taxa de correção de 75,5%.
Nos dados de teste, o número de eventos Não previstos é de 140, uma taxa de correção de 80,9%.

No geral, o %Corretos para os dados de treinamento é de 85,5% e para os dados do teste é de 80,9%.

Taxa de positivos verdadeiros (TPR) — 84,2% para os dados de treinamento e 75,5% para os dados de teste.
Taxa de falsos positivos (FPR) — 13,4% para os dados de treinamento e 14,6% para os dados de teste.