Macierz pomyłek - Confusion matrix

stan pozytywny (P)

liczba rzeczywistych pozytywnych przypadków w danych

stan ujemny (N)

liczba rzeczywistych negatywnych przypadków w danych

prawdziwy pozytywny (TP)

równ. z hitem

prawdziwie ujemny (TN)

równ. z prawidłowym odrzuceniem

fałszywie pozytywny (FP)

równ. z fałszywym alarmem , błędem typu I lub niedoszacowaniem

fałszywie ujemny (FN)

równ. z chybieniem, błędem typu II lub przeszacowaniem

czułość , przypominanie , wskaźnik trafień lub wskaźnik prawdziwie dodatnich (TPR)

${\ Displaystyle \ operatorka {TPR} = {\ Frac {\ operatorka {TP}} {\ operatorka {P}}} = {\ Frac {\ operatorka {TP}} {\ operatorka {TP} + \ operatorka {FN} }}=1-\mathrm {FNR} }$

swoistość , selektywność lub współczynnik prawdziwie ujemnych (TNR)

${\ Displaystyle \ operatorname {TN} = {\ Frac {\ operatorname {TN}} {\ operatorname {N}}} = {\ Frac {\ operatorname {TN}} {\ operatorname {TN} + \ operatorname {FP} }}=1-\mathrm {FPR} }$

precyzja lub dodatnia wartość predykcyjna (PPV)

${\ Displaystyle \ operatorka {PPV} = {\ Frac {\ operatorka {TP}} {\ operatorka {TP} + \ operatorka {FP}}} = 1 - \ operatorka {FDR}}$

ujemna wartość predykcyjna (NPV)

${\ Displaystyle \ operatorname {NPV} = {\ Frac {\ operatorname {TN}} {\ operatorname {TN} + \ operatorname {FN}}} = 1 - \ operatorname {D}}$

współczynnik chybień lub współczynnik fałszywie ujemnych (FNR)

${\ Displaystyle \ operatorname {FN} = {\ Frac {\ operatorname {FN} }{\ operatorname {P}}} = {\ Frac {\ operatorname {FN}} {\ operatorname {FN} + \ operatorname {TP} }}=1-\mathrm {TPR} }$

wskaźnik wypadania lub fałszywie dodatnich (FPR)

${\ Displaystyle \ operatorname {FPR} = {\ Frac {\ operatorname {FP}} {\ operatorname {N}}} = {\ Frac {\ operatorname {FP}} {\ operatorname {FP} + \ operatorname {TN} }}=1-\mathrm {TNR} }$

współczynnik fałszywych odkryć (FDR)

${\ Displaystyle \ operatorname {FDR} = {\ Frac {\ operatorname {FP}} {\ operatorname {FP} + \ operatorname {TP}}} = 1 - \ operatorname {PPV}}$

współczynnik fałszywych pominięć (DLA)

${\ Displaystyle \ operatorname {dla} = {\ Frac {\ operatorname {FN}} {\ operatorname {FN} + \ operatorname {TN}}} = 1 - \ operatorname {NPV}}$

próg chorobowości (PT)

${\ Displaystyle \ operatorname {PT} = {\ Frac {{\ sqrt {\ operatorname {TPR} (-\ operatorname {TNR} +1)}} + \ operatorname {TNR} -1}{(\ operatorname {TPR} +\mathrm {TNR} -1)}}}$

wskaźnik zagrożenia (TS) lub krytyczny wskaźnik sukcesu (CSI)

${\ Displaystyle \ operatorname {TS} = {\ Frac {\ operatorname {TP}} {\ operatorname {TP} + \ operatorname {FN} + \ operatorname {FP}}}}$

dokładność (ACC)

${\ Displaystyle \ operatorka {ACC} = {\ Frac {\ operatorka {TP} + \ operatorka {TN}} {\ operatorka {P} + \ operatorka {N}}} = {\ Frac {\ operatorka {TP} + \mathrm {TN} }{\mathrm {TP} +\mathrm {TN} +\mathrm {FP} +\mathrm {FN} }}}$

zrównoważona dokładność (BA)

${\ Displaystyle \ operatorname {BA} = {\ Frac {TPR + TNR} {2}}}$

Wynik F1

jest średnią harmoniczną z precyzją i wrażliwością :${\ Displaystyle \ operatorka {F} _ {1} = 2 \ razy {\ Frac {\ operatorka {PPV} \ razy \ operatorka {TPR}} {\ operatorka {PPV} + \ operatorka {TPR}}} = {\ frac {2\mathrm {TP} }{2\mathrm {TP} +\mathrm {FP} +\mathrm {FN} }}}$

Współczynnik korelacji Matthewsa (MCC)

${\ Displaystyle \ operatorka {MCC} = {\ Frac {\ operatorka {TP} \ razy \ operatorka {TN} - \ operatorka {FP} \ razy \ operatorka {FN} }{\ sqrt {(\ operatorka {TP} + \mathrm {FP} )(\mathrm {PZ} +\mathrm {WP} )(\mathrm {WP} +\mathrm {WP} )(\mathrm {WP} +\mathrm {WP}}}}}$

Indeks Fowlkesa-Mallowsa (FM)

${\ Displaystyle \ operatorname {FM} = {\ sqrt {{\ Frac {TP} {TP + FP}} \ razy {\ Frac {TP} {TP + FN}}}} = {\ sqrt {PPV \ razy TPR }}}$

świadomość lub świadomość bukmacherska (BM)

${\ Displaystyle \ operatorname {BM} = \ operatorname {TPR} + \ operatorname {TNR} -1}$

zaznaczenie (MK) lub deltaP (Δp)

${\ Displaystyle \ operatorname {MK} = \ operatorname {PPV} + \ operatorname {NPV} -1}$

Źródła: Fawcett (2006), Piryonesi i El-Diraby (2020), Powers (2011), Ting (2011), CAWCR, D. Chicco i G. Jurman (2020, 2021) , Tharwat (2018).