![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pospred1-2.jpg\")
<\/p>\n
Due parametri a cui siamo spesso interessati in una matrice di confusione sono il valore predittivo positivo<\/strong> e la sensibilit\u00e0<\/strong> .<\/span><\/p>\n Il valore predittivo positivo<\/b> \u00e8 la probabilit\u00e0 che un’osservazione con un risultato previsto positivo abbia<\/em> effettivamente un risultato positivo.<\/span><\/span><\/p>\n Viene calcolato come segue:<\/span><\/p>\n Valore predittivo positivo<\/b> = Veri positivi \/ (Veri positivi + Falsi positivi)<\/span> <\/p>\n La sensibilit\u00e0<\/b> \u00e8 la probabilit\u00e0 che un’osservazione con un risultato positivo abbia effettivamente un risultato previsto positivo.<\/span><\/p>\n Viene calcolato come segue:<\/span><\/p>\n Sensibilit\u00e0<\/b> = Veri Positivi \/ (Veri Positivi + Falsi Negativi)<\/span> <\/p>\n L’esempio seguente mostra come calcolare nella pratica queste due metriche.<\/span><\/p>\n Supponiamo che un medico utilizzi un modello di regressione logistica<\/a> per prevedere se 400 persone hanno o meno una determinata malattia.<\/span><\/p>\n La seguente matrice di confusione riassume le previsioni fatte dal modello:<\/span> <\/p>\n Calcoleremo il valore predittivo positivo<\/strong> come segue:<\/span><\/p>\n Questo ci dice che la probabilit\u00e0 che qualcuno che riceve un risultato positivo al test abbia<\/em> effettivamente la malattia \u00e8 0,60<\/strong> .<\/span><\/p>\n Calcoleremo la sensibilit\u00e0<\/strong> come segue:<\/span><\/p>\n Questo ci dice che la probabilit\u00e0 che qualcuno affetto dalla malattia riceva effettivamente un risultato positivo al test \u00e8 0,75<\/strong> .<\/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> Uno dei modi pi\u00f9 comuni per valutare le prestazioni di unmodello di classificazione \u00e8 creare una matrice di confusione, che riepiloga i risultati previsti del modello rispetto ai risultati effettivi del set di dati. Due parametri a cui siamo spesso interessati in una matrice di confusione sono il valore predittivo positivo e la sensibilit\u00e0 . […]<\/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![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pospred2.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pospred3.jpg\")
<\/p>\n Esempio: calcolo del valore predittivo positivo e della sensibilit\u00e0<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pospred5.jpg\")
<\/p>\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":"