Viene calcolato come segue:<\/span><\/p>\n Accuratezza bilanciata<\/strong> = (Sensibilit\u00e0 + Specificit\u00e0) \/ 2<\/span><\/p>\n Oro:<\/span><\/p>\n Questa metrica \u00e8 particolarmente utile quando le due classi sono sbilanciate, ovvero una classe appare molto pi\u00f9 dell’altra.<\/span><\/p>\n L’esempio seguente mostra come calcolare nella pratica la precisione bilanciata e dimostra perch\u00e9 \u00e8 una metrica cos\u00ec utile.<\/span><\/p>\n Supponiamo che un analista sportivo utilizzi un modello di regressione logistica<\/a> per prevedere se 400 diversi giocatori di basket universitari verranno arruolati o meno nella NBA.<\/span><\/p>\n La seguente matrice di confusione riassume le previsioni fatte dal modello:<\/span> <\/p>\n Per calcolare l’accuratezza bilanciata del modello, calcoleremo prima la sensibilit\u00e0 e la specificit\u00e0:<\/span><\/p>\n Possiamo quindi calcolare la precisione bilanciata come segue:<\/span><\/p>\n La precisione bilanciata del modello risulta essere 0,8684<\/strong> .<\/span><\/p>\n Si noti che quanto pi\u00f9 la precisione bilanciata \u00e8 vicina a 1, tanto pi\u00f9 il modello \u00e8 in grado di classificare correttamente le osservazioni.<\/span><\/p>\n In questo esempio, la precisione bilanciata \u00e8 piuttosto elevata, il che ci dice che il modello di regressione logistica sta facendo un ottimo lavoro nel prevedere se i giocatori del college verranno arruolati o meno nella NBA.<\/span><\/p>\n In questo scenario, poich\u00e9 le classi sono molto sbilanciate (20 giocatori sono stati draftati e 380 no), la precisione bilanciata ci fornisce un quadro pi\u00f9 realistico delle prestazioni del modello rispetto a una misura di precisione complessiva.<\/span><\/p>\n Ad esempio, calcoleremo la precisione del modello come segue:<\/span><\/p>\n La precisione del modello \u00e8 0,975<\/strong> , che sembra estremamente elevata.<\/span><\/p>\n Tuttavia, considera un modello che prevede semplicemente che ogni giocatore non verr\u00e0 scelto per il draft. Avrebbe una precisione di 380\/400 = 0,95<\/strong> . Questo \u00e8 solo leggermente inferiore alla precisione del nostro modello.<\/span><\/p>\n Il punteggio di precisione bilanciato di 0,8684<\/strong> ci d\u00e0 un’idea migliore della capacit\u00e0 del modello di prevedere entrambe le classi.<\/span><\/p>\n In altre parole, ci d\u00e0 un\u2019idea migliore della capacit\u00e0 del modello di prevedere quali giocatori non verranno pescati e<\/em> quali lo faranno.<\/span><\/p>\n I seguenti tutorial spiegano come creare una matrice di confusione in diversi software statistici:<\/span><\/p>\n Come creare una matrice di confusione in Excel<\/a> L’accuratezza bilanciata \u00e8 una metrica che possiamo utilizzare per valutare le prestazioni di unmodello di classificazione . Viene calcolato come segue: Accuratezza bilanciata = (Sensibilit\u00e0 + Specificit\u00e0) \/ 2 Oro: Sensibilit\u00e0 : il \u201cvero tasso di positivit\u00e0\u201d \u2013 la percentuale di casi positivi che il modello \u00e8 in grado di rilevare. Specificit\u00e0 : il \u201cvero […]<\/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":"\n\n
Esempio: calcolo della precisione bilanciata<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png\")
<\/p>\n\n
\n
\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come creare una matrice di confusione in R<\/a>
Come creare una matrice di confusione in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"