Minitab® 支持

Random Forests® 分类 的混淆矩阵

了解关于 Minitab 的更多信息
注意

此命令适用于 预测分析模块。单击此处了解更多关于如何激活模块的信息。

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 (OOB)
实际类别计数是的不正确百分比
是的 （事件）1391093078.42
不1642613884.15
所有30313516881.52
统计量OOB (%)
真阳率（敏感度或功效）78.42
假阳率（I 类错误）15.85
假阴率（II 类错误）21.58
真阴率（特异度）84.15

在此示例中，“是”事件的总数为 139，而“否”的总数为 164。分析使用 OOB 数据来验证模型。

在 OOB 数据中，“是”事件的总数为 139，而“否”结果的总数为 164。
  • OOB 数据中预测的事件数（是）为 109，正确率为 78.42%。
  • OOB 数据中预测的非事件数（否）为 138，正确率为 84.15%。

总体而言，OOB 数据的正确百分比为 81.52%。使用 OOB 数据的结果可评估新观测值的预测准确度。

正确百分比低通常是由于模型拟合不足导致的。各种问题导致模型不足。如果正确百分比非常低，请考虑是修改用于拆分内部节点的最小案例数，还是更改分析为拆分节点而考虑的预测变量数。

Copyright © 2024 Minitab, LLC. All rights Reserved.