← ریاضی

آمارطبقه بندی

ماشین حساب حساسیت و ویژگی

زبان‌های دیگر 日本語 | English | 繁體中文 | Italiano | فارسی

برای بررسی حساسیت، ویژگی، نرخ مثبت کاذب، نرخ منفی کاذب، دقت متعادل و شیوع در یک آستانه باینری، TP، FP، TN و FN را وارد کنید.

از این صفحه زمانی استفاده کنید که قطع عملیات قبلاً ثابت شده است و سؤال بعدی این است که آیا مدل دارای موارد مثبت یا منفی است. برای جاروهای آستانه، به ROC AUC.

نحوه استفاده

  1. TP، FP، TN و FN را از یک نتیجه طبقه بندی باینری وارد کنید.
  2. به صورت اختیاری، نام برچسب‌های مثبت و منفی را برای مطابقت با روند کار آزمایش، مدل یا غربالگری تغییر دهید.
  3. حساسیت را در کنار ویژگی بخوانید تا هشدارهای اشتباه و خطاها همزمان قابل مشاهده باشند.

نرخ تشخیص و نرخ رد در یک آستانه

این صفحه روی یک نقطه عملیاتی متمرکز می شود. زمانی مفید است که تیم‌ها قبلاً نقطه‌ای را انتخاب کرده باشند و نیاز به بازخوانی واضحی از اشتباهات، آلارم‌های نادرست و تعادل کلاس داشته باشند.

ورودی ها

یک محاسبه برای بررسی حساسیت و ویژگی از یک مجموعه نتایج دودویی اجرا کنید.

حساسیت و ویژگی به حالت های مختلف خرابی پاسخ می دهد

حساسیت می پرسد که هر چند وقت یکبار موارد مثبت واقعی پیدا می شود. Specificity می پرسد که هر چند وقت یکبار نگاتیوهای واقعی از هشدارهای نادرست محافظت می شوند. یک آستانه می تواند از یک طرف از نظر عملیاتی قوی به نظر برسد در حالی که از طرف دیگر همچنان به شدت شکست می خورد، بنابراین این نرخ ها باید با هم گزارش شوند.

چه زمانی در این صفحه بمانید

زمانی که آستانه از قبل انتخاب شده است، اینجا بمانید و وظیفه بعدی توضیح خطاها، هشدارهای نادرست و نرخ پایه به زبان ساده است. این صفحه اغلب برای خط‌مشی‌های غربالگری، خلاصه‌های تشخیصی و بررسی‌های مدل یک‌بره مناسب است.

چه زمانی باید به سمت مقادیر پیش بینی حرکت کرد

اگر سوال بعدی این است که تماس مثبت یا منفی برای کاربر نهایی چه معنایی دارد، به سراغ آن بروید NPV و PPV. ارزش‌های پیش‌بینی‌کننده شیوع می‌افزایند و اغلب توضیح آن‌ها در یادداشت‌های تصمیم آسان‌تر است.

سوالات متداول

چه زمانی باید از این صفحه به جای ROC AUC استفاده کنم؟

از این صفحه زمانی استفاده کنید که یک آستانه از قبل ثابت است و می خواهید حساسیت و ویژگی را در آن نقطه عملیاتی توضیح دهید. ROC AUC برای رتبه بندی امتیاز در بسیاری از آستانه های ممکن است.

ویژگی چگونه با نرخ مثبت کاذب مرتبط است؟

آنها در جهت مخالف حرکت می کنند. نرخ مثبت کاذب برابر با یک منهای ویژگی است، بنابراین ویژگی بالاتر به معنای آلارم های کاذب کمتر در میان منفی های واقعی است.

چرا هنوز باید شیوع نشان داده شود؟

حساسیت و ویژگی مستقیماً به شیوع بستگی ندارد، اما زمانی که توضیح می‌دهید کار چقدر سخت است و زمانی که این نرخ‌ها را به مقادیر پیش‌بینی‌کننده متصل می‌کنید، نرخ پایه همچنان اهمیت دارد.

آیا نشانی وب اشتراک‌گذاری شامل تعداد یا برچسب‌های من می‌شود؟

خیر. URL اشتراک گذاری فقط تنظیمات سبک وزن مانند اعشار را ذخیره می کند. تعداد و برچسب های سفارشی در مرورگر شما باقی می مانند.

نظرات (اختیاری)

برای کاهش بار، نظرات فقط در صورت نیاز واکشی می شوند.