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。
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)
实际类别计数是的正确百分比是的正确百分比
是的 (事件)1391172284.21053475.5
1642214286.62414085.4
全部30313916485.512917480.9
统计量训练 (%)测试 (%)
真阳率(敏感度或功效)84.275.5
假阳率(I 类错误)13.414.6
假阴率(II 类错误)15.824.5
真阴率(特异度)86.685.4

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%。