高精度
真陽性(TP): 90; 真陰性(TN): 80; 偽陽性(FP): 10; 偽陰性(FN): 5
総予測数: 185; 精度: 0.9189189189 %
真陽性(TP)、真陰性(TN)、偽陽性(FP)、偽陰性(FN)に基づいて、分類モデルの精度を計算します。精度は、全予測に対する正解予測の割合です。
入力を順に確認し、1つのシナリオだけに頼らず結果を比較してください。
真陽性(TP), 真陰性(TN), 偽陽性(FP), 偽陰性(FN) → 総予測数, 精度
自分の値を試す前に、これらの例で計算機の動作を確認してください。
真陽性(TP): 90; 真陰性(TN): 80; 偽陽性(FP): 10; 偽陰性(FN): 5
総予測数: 185; 精度: 0.9189189189 %
真陽性(TP): 70; 真陰性(TN): 60; 偽陽性(FP): 30; 偽陰性(FN): 40
総予測数: 200; 精度: 0.65 %
真陽性(TP): 40; 真陰性(TN): 30; 偽陽性(FP): 60; 偽陰性(FN): 70
総予測数: 200; 精度: 0.35 %
代数、幾何、三角法、確率、統計、平均値、zスコア、検定、グラフ作成の計算機を利用できます。
これらのリンクは、検索に戻らずに次に起こりやすい疑問へ進めるよう選ばれています。
回帰分析において、従属変数の分散のうち、独立変数から予測可能な割合を計算します。
帰無仮説が真であると仮定した場合に、計算されたものと同等かそれ以上に極端な検定統計量を観察する確率を計算します。
適合度または独立性の検定のためのカイ二乗統計量とp値を計算します。観測度数と期待度数または値が必要です。
母集団の標準偏差が不明な場合に仮説検定で使用されるt統計量を計算します。この計算機は、標本平均と母集団平均の差が統計的に有意であるかどうかを判断するのに役立ちます。