良好表现
真正例 (TP): 90 count; 假正例 (FP): 10 count; 真负例 (TN): 85 count; 假负例 (FN): 5 count
特异性: 0.8947368421 percentage; 召回率 (敏感度): 0.9473684211 percentage; 精确率: 0.9 percentage; 准确率: 0.9210526316 percentage; F1 分数: 0.9230769231 percentage
使用混淆矩阵导出的指标评估分类模型的性能,包括准确率、精确率、召回率和特异性。
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。
真正例 (TP), 假正例 (FP), 真负例 (TN), 假负例 (FN) → 特异性, 召回率 (敏感度), 精确率, 准确率, F1 分数
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。
真正例 (TP): 90 count; 假正例 (FP): 10 count; 真负例 (TN): 85 count; 假负例 (FN): 5 count
特异性: 0.8947368421 percentage; 召回率 (敏感度): 0.9473684211 percentage; 精确率: 0.9 percentage; 准确率: 0.9210526316 percentage; F1 分数: 0.9230769231 percentage
真正例 (TP): 60 count; 假正例 (FP): 20 count; 真负例 (TN): 50 count; 假负例 (FN): 10 count
特异性: 0.7142857143 percentage; 召回率 (敏感度): 0.8571428571 percentage; 精确率: 0.75 percentage; 准确率: 0.7857142857 percentage; F1 分数: 0.8 percentage
真正例 (TP): 70 count; 假正例 (FP): 30 count; 真负例 (TN): 40 count; 假负例 (FN): 10 count
特异性: 0.5714285714 percentage; 召回率 (敏感度): 0.875 percentage; 精确率: 0.7 percentage; 准确率: 0.7333333333 percentage; F1 分数: 0.7777777778 percentage
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。