Calculateur d’indicateurs de matrice de confusion
Calculer la précision, le rappel, la spécificité, la F1, la précision, la précision équilibrée et le MCC à partir d’un tableau de comptage de classe positive déclaré.
VOTRE CALCUL
Résultat
—
Étapes du calcul
Affichez les étapes une par une ou le calcul complet. Les étapes utilisent les valeurs que vous avez saisies.
Méthode de calcul
Utiliser les marges réelles/prévues appropriées pour chaque métrique de classification binaire et préserver les dénominateurs zéro non définis.
F1=2TP/(2TP+FP+FN); MCC=(TP×TN−FP×FN)/√[(TP+FP)(TP+FN)(TN+FP)(TN+FN)]
Exemple détaillé
TP= 40 , FP= 10 , FN= 5 , TN= 45 donnent une précision de 85 %, une précision de 80 %, un rappel d’environ 88,8889 % et F1 d’environ 0,8421053 .
Hypothèses et précisions sur les données
L’ensemble non négatif compte jusqu’à 1e9 par cellule, avec un total positif. Déclarez une classe positive constante. Les dénominateurs vides restent indéfinis au lieu d’être fixés silencieusement à zéro. Les métriques résument l’échantillon entré seulement; la prévalence, le biais, le choix du seuil, l’incertitude et l’utilité clinique ou de déploiement ne sont pas déduits. Les dénombrements binaires sont séparés des analyses multiclasses et des analyses de kappa-accord.
Références : scikit-learn: définitions métriques de classification
Utiliser ce calculateur
Puis-je saisir mes propres données ?
Oui. Remplacez les valeurs de l’exemple par vos propres données. Le résultat, les étapes, les tableaux et les diagrammes disponibles se mettent à jour. Une valeur vide ou invalide efface le résultat ; les valeurs de l’exemple ne remplacent jamais les données manquantes.
Les résultats sont-ils exacts ?
Les calculs utilisent des nombres à virgule flottante et les résultats affichés sont arrondis. Consultez la formule, les hypothèses et la précision des données indiquée avant d’interpréter le résultat.
Mes données sont-elles envoyées ?
Le calcul s’effectue dans votre navigateur. Aucun compte, envoi de fichier ou service d’IA externe n’est nécessaire. Les données saisies ne sont pas conservées après le rechargement de la page.
Calculer l’accord observé, l’accord de chance marginal et le kappa de Cohen=s non pondéré à partir d’un tableau binaire apparié.
Comparer deux proportions de conversion, différence de pourcentage, lifting relatif, une statistique z groupée et un intervalle d’approximation normale clairement marqué.
Analyser les résultats binaires appariés à l’aide d’un test binomial discordant-pair exact et de deux conventions d’approximation chi carré.
Espace publicitaire réservé.