{"id":2272,"date":"2023-07-22T23:48:35","date_gmt":"2023-07-22T23:48:35","guid":{"rendered":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/"},"modified":"2023-07-22T23:48:35","modified_gmt":"2023-07-22T23:48:35","slug":"ausgewogenes-prazisions-python-sklearn","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/","title":{"rendered":"So berechnen sie die ausgewogene pr\u00e4zision in python mit sklearn"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><strong>Ausgewogene Genauigkeit<\/strong> ist eine Metrik, mit der wir die Leistung eines <a href=\"https:\/\/statorials.org\/de\/regression-vs.-klassifizierung\/\" target=\"_blank\" rel=\"noopener\">Klassifizierungsmodells<\/a> bewerten k\u00f6nnen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Es wird wie folgt berechnet:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Ausgewogene Genauigkeit<\/strong> = (Sensitivit\u00e4t + Spezifit\u00e4t) \/ 2<\/span><\/p>\n<p> <span style=\"color: #000000;\">Gold:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Sensitivit\u00e4t<\/strong> : Die \u201ewahre positive Rate\u201c \u2013 der Prozentsatz der positiven F\u00e4lle, die das Modell erkennen kann.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Spezifit\u00e4t<\/strong> : Die \u201eechte Negativrate\u201c \u2013 der Prozentsatz der negativen F\u00e4lle, die das Modell erkennen kann.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Diese Metrik ist besonders n\u00fctzlich, wenn die beiden Klassen unausgeglichen sind, das hei\u00dft, eine Klasse erscheint viel h\u00e4ufiger als die andere.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Angenommen, ein Sportanalyst verwendet ein <a href=\"https:\/\/statorials.org\/de\/logistische-regression-1\/\" target=\"_blank\" rel=\"noopener\">logistisches Regressionsmodell<\/a> , um vorherzusagen, ob 400 verschiedene College-Basketballspieler in die NBA eingezogen werden oder nicht.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Die folgende Verwirrungsmatrix fasst die vom Modell getroffenen Vorhersagen zusammen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-20693 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png\" alt=\"\" width=\"430\" height=\"135\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Um die ausgewogene Genauigkeit des Modells zu berechnen, berechnen wir zun\u00e4chst die Sensitivit\u00e4t und Spezifit\u00e4t:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Empfindlichkeit<\/strong> : Die \u201ewahre positive Rate\u201c = 15 \/ (15 + 5) = 0,75<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Spezifit\u00e4t<\/strong> : Die \u201eechte Negativrate\u201c = 375 \/ (375 + 5) = 0,9868<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Wir k\u00f6nnen dann die ausgeglichene Pr\u00e4zision wie folgt berechnen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Ausgewogene Genauigkeit = (Sensitivit\u00e4t + Spezifit\u00e4t) \/ 2<\/span><\/li>\n<li> <span style=\"color: #000000;\">Ausgewogene Genauigkeit = (0,75 + 9868) \/ 2<\/span><\/li>\n<li> <span style=\"color: #000000;\">Ausgewogene Genauigkeit = 0,8684<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Die ausgeglichene Genauigkeit des Modells betr\u00e4gt <strong>0,8684<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Das folgende Beispiel zeigt, wie die ausgeglichene Genauigkeit f\u00fcr dieses spezielle Szenario mithilfe der Funktion <strong>Balanced_accuracy_score()<\/strong> aus der <strong>sklearn-<\/strong> Bibliothek in Python berechnet wird.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Beispiel: Berechnung der ausgewogenen Pr\u00e4zision in Python<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Der folgende Code zeigt, wie man ein Array vorhergesagter Klassen und ein Array tats\u00e4chlicher Klassen definiert und dann die ausgewogene Genauigkeit eines Modells in Python berechnet:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008000;\">import<\/span> numpy <span style=\"color: #008000;\">as<\/span> np\n<span style=\"color: #008000;\">from<\/span> sklearn. <span style=\"color: #3366ff;\">metrics<\/span> <span style=\"color: #008000;\">import<\/span> balanced_accuracy_score\n\n<span style=\"color: #008080;\">#define array of actual classes\n<\/span>actual = np. <span style=\"color: #3366ff;\">repeat<\/span> ([1, 0], repeats=[20, 380])\n\n<span style=\"color: #008080;\">#define array of predicted classes\n<\/span>pred = np. <span style=\"color: #3366ff;\">repeat<\/span> ([1, 0, 1, 0], repeats=[15, 5, 5, 375])\n\n<span style=\"color: #008080;\">#calculate balanced accuracy score\n<\/span>balanced_accuracy_score(actual, pred)\n\n0.868421052631579<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Die ausgewogene Pr\u00e4zision betr\u00e4gt <strong>0,8684<\/strong> . Dies entspricht dem Wert, den wir zuvor manuell berechnet haben.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Hinweis<\/strong> : Die vollst\u00e4ndige Dokumentation zur Funktion <strong>Balanced_accuracy_score()<\/strong> finden Sie <a href=\"https:\/\/scikit-learn.org\/stable\/modules\/generated\/sklearn.metrics.balanced_accuracy_score.html\" target=\"_blank\" rel=\"noopener\">hier<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/de\/ausgewogene-prazision\/\" target=\"_blank\" rel=\"noopener\">Eine Einf\u00fchrung in die ausgewogene Genauigkeit<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/logistische-regressionspython\/\" target=\"_blank\" rel=\"noopener\">So f\u00fchren Sie eine logistische Regression in Python durch<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/f1-ergebnis-in-python\/\" target=\"_blank\" rel=\"noopener\">So berechnen Sie den F1-Score in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ausgewogene Genauigkeit ist eine Metrik, mit der wir die Leistung eines Klassifizierungsmodells bewerten k\u00f6nnen. Es wird wie folgt berechnet: Ausgewogene Genauigkeit = (Sensitivit\u00e4t + Spezifit\u00e4t) \/ 2 Gold: Sensitivit\u00e4t : Die \u201ewahre positive Rate\u201c \u2013 der Prozentsatz der positiven F\u00e4lle, die das Modell erkennen kann. Spezifit\u00e4t : Die \u201eechte Negativrate\u201c \u2013 der Prozentsatz der negativen [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-22T23:48:35+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/\",\"url\":\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/\",\"name\":\"So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-22T23:48:35+00:00\",\"dateModified\":\"2023-07-22T23:48:35+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"So berechnen sie die ausgewogene pr\u00e4zision in python mit sklearn\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials","description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/","og_locale":"de_DE","og_type":"article","og_title":"So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials","og_description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.","og_url":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/","og_site_name":"Statorials","article_published_time":"2023-07-22T23:48:35+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png"}],"author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"2 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/","url":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/","name":"So berechnen Sie die ausgewogene Pr\u00e4zision in Python mit sklearn \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-22T23:48:35+00:00","dateModified":"2023-07-22T23:48:35+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die ausgewogene Genauigkeit f\u00fcr ein Klassifizierungsmodell in Python mithilfe von Funktionen aus der sklearn-Bibliothek berechnen.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/ausgewogenes-prazisions-python-sklearn\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"So berechnen sie die ausgewogene pr\u00e4zision in python mit sklearn"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/2272"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=2272"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/2272\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=2272"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=2272"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=2272"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}