↓

混淆矩阵计算器

统计学
0.0(0)

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。

该中心中的更多内容:数学与统计计算器
使用方法

几步即可使用计算器

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。

步骤 1

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

示例

场景检查

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。

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

中等表现

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

高假正例

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

中心页

查看更多 数学与统计计算器

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。

打开中心
其他用户也会计算

相关计算器

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。