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
Em geral, um valor baixo para %Corretos é se deve a um modelo ajustado deficiente, que pode ser causado por várias razões diferentes. Se %Corretos for muito baixo, avalie se pesos de classe podem ajudar. Os pesos de classe podem ajudar na produção de um modelo mais preciso quando as observações de uma classe pesam mais do que observações de uma classe diferente. Além disso, você pode alterar a probabilidade quando necessário para que um caso seja classificado como o evento.