Kennzahlen einer Konfusionsmatrix
Berechnen Sie Präzision, Rückruf, Spezifität, F1, Genauigkeit, ausgewogene Genauigkeit und MCC aus einer erklärten Positiv-Klasse Zähltabelle.
IHRE BERECHNUNG
Ergebnis
—
Rechenschritte
Gehen Sie die Schritte einzeln durch oder zeigen Sie die gesamte Berechnung an. Die Schritte verwenden Ihre aktuellen Eingaben.
Berechnungsmethode
Verwenden Sie die entsprechenden tatsächlichen/vorhergesehenen Margen für jede binäre Klassifikationsmetrik und bewahren Sie undefinierte Null-Nenner.
F1=2TP/(2TP+FP+FN); MCC=(TP×TN−FP×FN)/√[(TP+FP)(TP+FN)(TN+FP)(TN+FN)]
Rechenbeispiel
TP=40, FP=10, FN=5, TN=45 geben Genauigkeit 85%, Präzision 80%, erinnern an etwa 88,8889% und F1 um 0,8421053.
Annahmen und Hinweise zu den Eingaben
Das nichtnegative Ganze zählt bis zu 1e9 pro Zelle, mit einer positiven Gesamtsumme. Deklarieren Sie eine konsistente positive Klasse. Leere Nenner bleiben undefiniert, anstatt still auf Null gesetzt zu werden. Metrics fassen nur die eingegebene Probe zusammen; Prävalenz, Bias, Schwellenwahl, Ungewissheit und klinisches oder Bereitstellungs-Dienstprogramm werden nicht abgeleitet. Binäre Zählungen sind getrennt von Multi-Klasse- und Agreement-Kappa-Analysen.
Quellen: scikit-learn: Klassifikations-metrische Definitionen
Hinweise zum Rechner
Kann ich eigene Werte eingeben?
Ja. Ersetzen Sie die Beispielwerte durch Ihre eigenen Eingaben. Ergebnis, Rechenschritte, Tabellen und gegebenenfalls Diagramme werden entsprechend aktualisiert. Bei leeren oder ungültigen Eingaben wird das Ergebnis gelöscht. Fehlende Angaben werden niemals unbemerkt durch Beispielwerte ersetzt.
Sind die Ergebnisse exakt?
Die Ergebnisse beruhen auf Gleitkommaarithmetik und werden für die Anzeige gerundet. Beachten Sie die Formel, die Annahmen und die gegebenenfalls angegebene Datengenauigkeit.
Werden meine Eingaben hochgeladen?
Die Berechnung erfolgt in Ihrem Browser. Ein Benutzerkonto, Datei-Uploads oder ein externer KI-Dienst sind nicht erforderlich. Beim Neuladen der Seite werden die Eingaben zurückgesetzt.
Berechnen Sie beobachtete Übereinstimmung, marginale Zufallsvereinbarung und ungewichtete Cohen-Kappa aus einer gepaarten binären Bewertungstabelle.
Vergleichen Sie zwei Umrechnungsproportionen, Prozentpunktdifferenz, relativer Hub, eine gepoolte z-Statistik und ein klar gekennzeichnetes Normal-Annäherungsintervall.
Analysieren Sie abgestimmte binäre Ergebnisse mit einem exakten diskordanten-Paar binomial Test und zwei Chi-Quadrat-Annäherung Konventionen.
Reservierter Werbeplatz.