menu

Minitab® 支持

的混淆矩阵CART^® 分类

查找混淆矩阵中每个统计量的定义和解释。

关于本主题

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

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%。

Copyright © 2024 Minitab, LLC. All rights Reserved.