高准确率
真阳性 (TP): 90; 真阴性 (TN): 80; 假阳性 (FP): 10; 假阴性 (FN): 5
总预测数: 185; 准确率: 0.9189189189 %
根据真阳性 (TP)、真阴性 (TN)、假阳性 (FP) 和假阴性 (FN) 计算分类模型的准确率。准确率是正确预测与总预测数的比例。
请按顺序填写输入项,然后比较输出结果,而不是只依赖单一场景。
真阳性 (TP), 真阴性 (TN), 假阳性 (FP), 假阴性 (FN) → 总预测数, 准确率
在输入你自己的数值之前,可先用这些示例验证计算器的行为。
真阳性 (TP): 90; 真阴性 (TN): 80; 假阳性 (FP): 10; 假阴性 (FN): 5
总预测数: 185; 准确率: 0.9189189189 %
真阳性 (TP): 70; 真阴性 (TN): 60; 假阳性 (FP): 30; 假阴性 (FN): 40
总预测数: 200; 准确率: 0.65 %
真阳性 (TP): 40; 真阴性 (TN): 30; 假阳性 (FP): 60; 假阴性 (FN): 70
总预测数: 200; 准确率: 0.35 %
使用代数、几何、三角学、概率、统计、平均值、z 分数、统计检验和绘图任务的计算器。
这些链接旨在加深本次会话,并回答下一个最可能出现的问题,而无需让用户返回搜索结果。
当正态性假设被违反时,进行非参数检验以比较两个独立组之间的差异。它计算 U 统计量和相关的 p 值。
计算观察到的检验统计量与计算出的统计量一样极端或更极端的概率,假设原假设为真。
计算卡方统计量和用于拟合优度或独立性检验的p值。它需要观察值和期望频率或值。
计算与标准正态 (Z) 分布或任何正态分布相关的概率和百分位数。