Come usare
- Inserisci i conteggi della matrice di confusione: TP, FP, TN e FN.
- Se serve, rinomina le classi positiva e negativa in modo che la matrice rispecchi il tuo dataset.
- Leggi precisione e sensibilita accanto all'accuratezza, soprattutto quando una classe e rara.
Metriche di classificazione binaria da una matrice
Usa questa pagina dopo che un modello o una regola ha gia prodotto previsioni binarie. E una pagina di lettura delle metriche, non un flusso per scegliere la soglia.
Dati in ingresso
Esegui un calcolo per vedere le metriche della matrice di confusione.
Accuratezza is not the whole story
L'accuratezza puo restare alta quando domina la classe negativa. In quel caso il classificatore puo sembrare buono nel complesso pur perdendo molti positivi. Per questo la pagina affianca sensibilita, specificita, precisione e prevalenza all'accuratezza.
Precisione vs recall
La precisione chiede: quando il modello dice positivo, quante volte ha ragione? La sensibilita chiede: tra tutti i positivi reali, quanti ne ha trovati? Migliorare una puo peggiorare l'altra, quindi il bilanciamento dipende dal costo di falsi positivi e falsi negativi.
Versione prima binaria
Questa versione resta sulla classificazione binaria, cosi ogni metrica rimane facile da controllare da TP, FP, TN e FN. Matrici multiclasse, curve ROC e analisi delle soglie appartengono a un ampliamento successivo.
Domande frequenti
Perche la sola accuratezza non basta?
L'accuratezza puo sembrare alta quando una classe e rara. Nei dataset sbilanciati, precisione, sensibilita, specificita e prevalenza spesso descrivono il comportamento del modello meglio della sola accuratezza.
Qual e la differenza tra precisione e sensibilita?
La precisione dice quante previsioni positive sono davvero corrette. La sensibilita dice quanti positivi reali il modello riesce a intercettare. La prima guarda i falsi positivi, la seconda i falsi negativi.
Questa pagina supporta matrici di confusione multiclasse?
No. Questa versione e volutamente limitata alla classificazione binaria, cosi le metriche principali restano facili da controllare e confrontare.
L'URL di condivisione include conteggi o etichette?
No. L'URL di condivisione salva solo impostazioni leggere, come le cifre decimali. Conteggi ed etichette personalizzate restano nel tuo browser.
Collegamenti correlati
Commenti (facoltativi)
Per ridurre il carico, i commenti vengono caricati solo quando servono.