အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုးနှင့် အာရုံခံနိုင်စွမ်း- ကွာခြားချက်မှာ အဘယ်နည်း။

အမျိုးအစားခွဲခြင်းပုံစံ တစ်ခု၏စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် အသုံးအများဆုံးနည်းလမ်းတစ်ခုမှာ dataset ၏အမှန်တကယ်ရလဒ်များနှင့်ယှဉ်ပြီး model ၏ခန့်မှန်းရလဒ်များကို အကျဉ်းချုပ်ဖော်ပြသည့် ရှုပ်ထွေးသော matrix ကိုဖန်တီးရန်ဖြစ်သည်။

ရှုပ်ထွေးမှုမက်ထရစ်ကို ကျွန်ုပ်တို့စိတ်ဝင်စားလေ့ရှိသော မက်ထရစ်နှစ်ခုသည် အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုး နှင့် အာရုံခံနိုင်စွမ်း ဖြစ်သည်။

အပြုသဘောဆောင်သော ခန့်မှန်းချက်တန်ဖိုး သည် အပြုသဘောဆောင်သော ကြိုတင်ခန့်မှန်းမှုရလဒ်တစ်ခုနှင့် စူးစမ်းလေ့လာမှုတစ်ခုသည် အမှန်တကယ်အပြုသဘောဆောင်သောရလဒ်ကို ရရှိသည် ဟူသော ဖြစ်နိုင်ခြေရှိသည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုး = True Positives / (True Positives + False Positives)

အာရုံခံနိုင်စွမ်း သည် အပြုသဘောဆောင်သောရလဒ်ဖြင့် ရှုမြင်မှုတစ်ခုတွင် အပြုသဘောဆောင်သော ခန့်မှန်းရလဒ်အမှန်တကယ်ရှိသည်ဟူသော ဖြစ်နိုင်ခြေရှိသည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

အာရုံခံစားနိုင်မှု = စစ်မှန်သော အပြုသဘောဆောင်မှုများ / (စစ်မှန်သော အပြုသဘောဆောင်မှုများ + မှားယွင်းသော အနုတ်လက္ခဏာများ)

အောက်ဖော်ပြပါ ဥပမာသည် ဤမက်ထရစ်နှစ်ခုကို လက်တွေ့တွင် တွက်ချက်နည်းကို ပြသထားသည်။

ဥပမာ- အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုးနှင့် အာရုံခံနိုင်စွမ်းကို တွက်ချက်ခြင်း။

ဆရာဝန်တစ်ဦးသည် လူ 400 တွင် ရောဂါတစ်ခုခုရှိမရှိ ခန့်မှန်းရန် ထောက်လှမ်းဆုတ်ယုတ်မှုပုံစံကို အသုံးပြုသည်ဆိုပါစို့။

အောက်ဖော်ပြပါ ရှုပ်ထွေးမှု matrix သည် မော်ဒယ်မှ ပြုလုပ်သော ခန့်မှန်းချက်များကို အကျဉ်းချုပ်ဖော်ပြသည်-

ကျွန်ုပ်တို့သည် အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုးကို အောက်ပါအတိုင်း တွက်ချက်ပါမည်။

• အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုး = True Positives / (True Positives + False Positives)
• အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုး = 15 / (15 + 10)
• အပြုသဘောဆောင်သော ခန့်မှန်းတန်ဖိုး = 0.60

၎င်းသည် အပြုသဘောဆောင်သော စမ်းသပ်မှုရလဒ်ကို လက်ခံရရှိသူသည် ရောဂါအမှန်တကယ် ရှိနိုင်ခြေမှာ 0.60 ဖြစ်ကြောင်း ကျွန်ုပ်တို့ကိုပြောပြသည်။

ကျွန်ုပ်တို့သည် sensitivity ကို အောက်ပါအတိုင်း တွက်ချက်သည် ။

• အာရုံခံစားနိုင်မှု = စစ်မှန်သော အပြုသဘောဆောင်မှုများ / (စစ်မှန်သော အပြုသဘောဆောင်မှုများ + မှားယွင်းသော အနုတ်လက္ခဏာများ)
• အာရုံခံနိုင်စွမ်း = 15/(15+5)၊
• အာရုံခံနိုင်စွမ်း = 0.75

၎င်းသည် ရောဂါရှိသူတစ်ဦးသည် အမှန်တကယ်အပြုသဘောဆောင်သောစမ်းသပ်မှုရလဒ်ကိုရရှိမည့်ဖြစ်နိုင်ခြေမှာ 0.75 ဖြစ်သည် ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် မတူညီသော စာရင်းအင်းဆော့ဖ်ဝဲများတွင် ရှုပ်ထွေးမှုမက်ထရစ်ကို ဖန်တီးနည်းကို ရှင်းပြသည်-

Excel တွင် Confusion Matrix ဖန်တီးနည်း
R တွင် ရှုပ်ထွေးမှုမက်ထရစ်ကို ဖန်တီးနည်း
Python တွင် Confusion Matrix ဖန်တီးနည်း