menu
Minitab
®
支持
混淆矩阵 -
CART
®
分类
了解关于 Minitab 的更多信息
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%。
通知
您现在将离开 support.minitab.com。"
单击继续以继续: