Ocenia wydajność modelu klasyfikacji za pomocą metryk pochodzących z macierzy błędów, w tym dokładności, precyzji, czułości i specyficzności.
Przejdź uważnie przez dane wejściowe, a potem porównaj wyniki zamiast polegać na jednym scenariuszu.
Prawdziwe Pozytywne (TP), Fałszywe Pozytywne (FP), Prawdziwe Negatywne (TN), Fałszywe Negatywne (FN) → Specyficzność, Czułość (Recall), Precyzja, Dokładność, Wynik F1
Użyj tych przykładów, aby sprawdzić działanie kalkulatora przed wprowadzeniem własnych wartości.
Prawdziwe Pozytywne (TP): 90 liczba; Fałszywe Pozytywne (FP): 10 liczba; Prawdziwe Negatywne (TN): 85 liczba; Fałszywe Negatywne (FN): 5 liczba
Specyficzność: 0,8947368421 procent; Czułość (Recall): 0,9473684211 procent; Precyzja: 0,9 procent; Dokładność: 0,9210526316 procent; Wynik F1: 0,9230769231 procent
Prawdziwe Pozytywne (TP): 60 liczba; Fałszywe Pozytywne (FP): 20 liczba; Prawdziwe Negatywne (TN): 50 liczba; Fałszywe Negatywne (FN): 10 liczba
Specyficzność: 0,7142857143 procent; Czułość (Recall): 0,8571428571 procent; Precyzja: 0,75 procent; Dokładność: 0,7857142857 procent; Wynik F1: 0,8 procent
Prawdziwe Pozytywne (TP): 70 liczba; Fałszywe Pozytywne (FP): 30 liczba; Prawdziwe Negatywne (TN): 40 liczba; Fałszywe Negatywne (FN): 10 liczba
Specyficzność: 0,5714285714 procent; Czułość (Recall): 0,875 procent; Precyzja: 0,7 procent; Dokładność: 0,7333333333 procent; Wynik F1: 0,7777777778 procent
Używaj kalkulatorów do algebry, geometrii, trygonometrii, rachunku prawdopodobieństwa, statystyki, średnich, wyników z-score, testów i zadań graficznych.
Te linki pomagają pogłębić sesję i odpowiedzieć na kolejne prawdopodobne pytanie bez odsyłania użytkownika z powrotem do wyszukiwarki.
Oblicza statystykę Chi-kwadrat i wartość p dla dopasowania lub testu niezależności. Wymaga zaobserwowanych i oczekiwanych częstotliwości lub wartości.
Oblicza prawdopodobieństwa i percentyle związane ze standardowym rozkładem normalnym (Z) lub dowolnym rozkładem normalnym.
Oblicza błąd standardowy, który mierzy dokładność, z jaką próba reprezentuje populację. Jest powszechnie używany dla standardowego błędu średniej (SEM) i standardowego błędu proporcji.
Wykonuje test t-Studenta (jednej próby, dwóch prób lub par) w celu porównania średnich i określenia istotności statystycznej.