查找混淆矩阵中每个统计量的定义和解释。
混淆矩阵使用以下度量来显示树分隔类别的正确程度:
  • 真阳率 (TPR) = 正确预测事件案例的概率
  • 假阳率 (FPR) = 非事件案例预测错误的概率
  • 假阴率 (FNR) = 事件案例预测错误的概率
  • 真阴率 (TNR) = 正确预测非事件案例的概率

解释

7 节点 CART® 分类: 心脏病 与 年龄, 休息血压, 胆固醇, 最大心率, 老峰, 性, 禁食血糖, 运动心绞痛, 休息心电图, 边坡, 塔尔, 胸痛类型, 主要船只

混淆矩阵 预测类别(训练) 预测类别(测试) 实际类别 计数 是的 不 正确百分比 是的 不 正确百分比 是的 (事件) 139 117 22 84.2 105 34 75.5 不 164 22 142 86.6 24 140 85.4 全部 303 139 164 85.5 129 174 80.9 统计量 训练 (%) 测试 (%) 真阳率(敏感度或功效) 84.2 75.5 假阳率(I 类错误) 13.4 14.6 假阴率(II 类错误) 15.8 24.5 真阴率(特异度) 86.6 85.4

在此示例中,“是”事件的总数为 139,而“否”事件的总数为 164。
  • 在训练数据中,预测的“是”事件的数量为 117,正确率为 84.2%。
  • 在训练数据中,预测的“否”事件的数量为 142,正确率为 86.6%。
  • 在检验数据中,预测的“是”事件的数量为 105,正确率为 75.5%。
  • 在检验数据中,预测的“否”事件的数量为 140,正确率为 80.9%。
总体而言,训练数据的正确百分比为 85.5%,检验数据的正确百分比为 80.9%。
  • 真阳率 (TPR) = 训练数据为 84.2%,检验数据为 75.5%。
  • 假阳率 (FPR) = 训练数据为 13.4%,检验数据为 14.6%。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策