Confusion Matrix คือการประเมินผลลัพธ์การทำนาย (หรือผลลัพธ์จากโปรแกรม) เปรียบเทียบกับผลลัพธ์จริงๆ
สูตรหาค่า accuracy
=> classification accuracy = correct predictions / total predictions
ถ้าจะให้เป็นเปอร์เซ็น
=> classification accuracy = correct predictions / total predictions * 100
สูตรหาค่าerror
=> error rate = (1 — (correct predictions / total predictions)) * 100
EX.
True Positive (TP) คือ Expected = man , Predicted = man ; TP = 3
False Negative (FN) คือ Expected = man , Predicted = woman ; FN = 2
True Negative (TN) คือ Expected = woman , Predicted = woman ; TN = 4
False Positive (FP) คือ Expected = woman , Predicted = man ; FP = 1
Precision
คือ ค่าที่บอกว่าโปรแกรมทำนายแบบPositive ว่แล้วเสียหาย
สูตรคือ Precision = TP/(TP+FP)
Recall
คือ ค่าที่บอกว่าโปรแกรมทำนายแบบ Negative แล้วเสียหาย
Recall = TP/(TP+FN)
F1-score
เราสามารถโกงค่าaccuracyได้เเต่F1-scoreจะหาค่าเฉลี่ยของ precision กับ recall เพื่อจะได้ค่าที่เเท้จริง
หาค่าเฉลี่ย ระหว่าง precision กับ recall
สูตรคือ F1-score = 2 x (Precision x Recall)/(Precision + Recall)
ตัวอย่างที่เราต้องพิจารณาจากค่า Precision
=> การรับส่งเมล อาจส่งไฟล์สำคัญมาเเต่โปรแกรมคำนวนผิดเป็นเมลspam
ตัวอย่างที่เราต้องพิจารณาจากค่า Recall
=> การตรวจโรคHIV โปรแกรมคำนวนผิดพลาดบอกผิดเป็น Negative
ตัวอย่างที่เราต้องพิจารณาจากค่า F1-score
=> การตรวจโรคหัวใจโดยที่อาจโกงค่าrecallไปเยอะๆแล้วจะคำนวณค่า F1-score จะได้ค่าที่ต่ำมากๆ
ยังไงก็ขอบคุณที่เข้ามาอ่านกันจนจบนะครับถ้าผมให้ข้อมูลผิดพลาดหรือตกหล่นอะไรไปก็ขออภัยมาณที่ด้วยนะครับขอบคุณครับ :)
