Tablica pomyłek

Z Wikipedii, wolnej encyklopedii
Przejdź do nawigacji Przejdź do wyszukiwania

Tablica pomyłek (macierz błędów) jest stosowana przy ocenie jakości klasyfikacji binarnej (na dwie klasy). Dane oznaczone etykietami: pozytywną i negatywną poddawane są klasyfikacji, która przypisuje im predykowaną klasę pozytywną albo predykowaną klasę negatywną. Możliwa jest sytuacja, że dana oryginalnie oznaczona jako pozytywna zostanie omyłkowo zaklasyfikowana jako negatywną. Wszystkie takie sytuacje przedstawia tablica pomyłek.

Tablica ma dwa wiersze i dwie kolumny. Wiersze przedstawiają klasy predykowane, kolumny zaś klasy rzeczywiste.

Klasa rzeczywista
pozytywna negatywna
Klasa
predykowana
pozytywna prawdziwie
pozytywna (TP)
fałszywie
pozytywna (FP)
negatywna fałszywie
negatywna (FN)
prawdziwie
negatywna (TN)

Na bazie częstości występowania rzeczywistego stanu pozytywnego w populacji oraz wzajemnych relacji prawidłowych i nieprawidłowych klasyfikacji można wyróżnić szereg miar wartości diagnostycznej testu. Poniższy wykres podsumowuje ich powiązania, przy czym jest ułożony odwrotnie niż tablica powyżej:

Klasa predykowana – wynik testu
Populacja Klasyfikacja pozytywna Klasyfikacja negatywna Częstość występowania, chorobowość

Klasa
rzeczywista
Stan
pozytywny
prawdziwie dodatnia, TP fałszywie ujemna
(błąd drugiego rodzaju, FN)
czułość, TPR

FNR

Stan
negatywny
fałszywie dodatnia
(błąd pierwszego rodzaju, FP)
prawdziwie ujemna, TN FPR

swoistość, SPC, TNR

dokładność, ACC

precyzja, PPV

FOR

LR+

DOR

FDR

NPV

LR-


Miary:

  • prawdziwie pozytywna (ang. true positive, TP)
  • prawdziwie negatywna (ang. true negative, TN)
  • fałszywie pozytywna (ang. false positive, FP), błąd pierwszego rodzaju
  • fałszywie negatywna (ang. false negative, FN), błąd drugiego rodzaju
  • czułość (ang. sensitivity, recall) lub odsetek prawdziwie pozytywnych (ang. true positive rate, TPR)
  • swoistość (ang. specificity, SPC) lub odsetek prawdziwie negatywnych (ang. true negative rate, TNR)
  • precyzja (ang. precision, lub positive predictive value, PPV – wartość predykcyjna dodatnia)

Przykład[edytuj | edytuj kod]

Klasa rzeczywista
pozytywna negatywna
Klasa
predykowana
pozytywna Ludzie chorzy poprawnie
zdiagnozowani jako chorzy
Ludzie zdrowi błędnie
zdiagnozowani jako chorzy
(błąd pierwszego rodzaju)
negatywna Ludzie chorzy błędnie
zdiagnozowani jako zdrowi
(błąd drugiego rodzaju)
Ludzie zdrowi poprawnie
zdiagnozowani jako ludzie zdrowi