{"id":2979,"date":"2023-07-19T19:33:03","date_gmt":"2023-07-19T19:33:03","guid":{"rendered":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/"},"modified":"2023-07-19T19:33:03","modified_gmt":"2023-07-19T19:33:03","slug":"percentage-misclassificaties","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/","title":{"rendered":"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Bij machinaal leren is <strong>het percentage misclassificaties<\/strong> een maatstaf die ons vertelt hoeveel procent van de waarnemingen onjuist is voorspeld door een <a href=\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\" target=\"_blank\" rel=\"noopener\">classificatiemodel<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het wordt als volgt berekend:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misclassificatiepercentage = # onjuiste voorspellingen \/ # totale voorspellingen<\/span><\/p>\n<p> <span style=\"color: #000000;\">De waarde van het misclassificatiepercentage kan vari\u00ebren van 0 tot 1 waarbij:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>0<\/strong> vertegenwoordigt een model dat geen onjuiste voorspellingen had.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>1<\/strong> vertegenwoordigt een model waarvan de voorspellingen volledig onjuist waren.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Hoe lager de waarde van het misclassificatiepercentage, hoe beter een classificatiemodel de resultaten van de<a href=\"https:\/\/statorials.org\/nl\/variabelen-verklarende-reacties\/\" target=\"_blank\" rel=\"noopener\">responsvariabele<\/a> kan voorspellen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het volgende voorbeeld laat zien hoe u in de praktijk het classificatiefoutenpercentage voor een <a href=\"https:\/\/statorials.org\/nl\/logistische-regressie-1\/\" target=\"_blank\" rel=\"noopener\">logistisch regressiemodel<\/a> kunt berekenen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Voorbeeld: Berekening van het classificatiefoutenpercentage voor een logistisch regressiemodel<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Stel dat we een logistisch regressiemodel gebruiken om te voorspellen of 400 verschillende universiteitsbasketbalspelers wel of niet zullen worden opgeroepen voor de NBA.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volgende verwarringsmatrix vat de voorspellingen van het model samen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-20021\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/\u1405-\u1405-\u1405.png\" alt=\"bereken het percentage misclassificaties van het logistische regressiemodel\" width=\"449\" height=\"148\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">U kunt als volgt het classificatiefoutenpercentage voor het model berekenen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Misclassificatiepercentage = # onjuiste voorspellingen \/ # totale voorspellingen<\/span><\/li>\n<li> <span style=\"color: #000000;\">Classificatiefoutenpercentage = (vals-positieven + vals-negatieven) \/ (totaal voorspellingen)<\/span><\/li>\n<li> <span style=\"color: #000000;\">Misclassificatiepercentage = (70 + 40) \/ (400)<\/span><\/li>\n<li> <span style=\"color: #000000;\">Misclassificatiepercentage = 0,275<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Het classificatiefoutenpercentage voor dit model is 0,275 of <strong>27,5%<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dit betekent dat het model de uitkomst voor <strong>27,5%<\/strong> van de spelers verkeerd voorspelde.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het tegenovergestelde van het classificatiefoutenpercentage is de nauwkeurigheid, die als volgt wordt berekend:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Nauwkeurigheid = 1 \u2013 Foutpercentage bij classificatie<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nauwkeurigheid = 1 \u2013 0,275<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nauwkeurigheid = 0,725<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dit betekent dat het model de uitkomst voor <strong>72,5%<\/strong> van de spelers correct voorspelde.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong><span style=\"color: #000000;\">Voor- en nadelen van het percentage verkeerde classificaties<\/span><\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Het misclassificatiepercentage biedt de volgende <strong>voordelen<\/strong> :<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Het is gemakkelijk te interpreteren<\/strong> . Een classificatiefoutpercentage van 10% betekent dat een model voor 10% van de totale waarnemingen een onjuiste voorspelling heeft gedaan.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Het is gemakkelijk te berekenen<\/strong> . Het percentage misclassificaties wordt berekend als het totale aantal onjuiste voorspellingen gedeeld door het totale aantal voorspellingen.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Het classificatiefoutenpercentage heeft echter de volgende <strong>nadelen<\/strong> :<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Hierbij wordt geen rekening gehouden met de manier waarop de gegevens worden gedistribueerd<\/strong> . Laten we bijvoorbeeld aannemen dat 90% van alle spelers niet is opgeroepen voor de NBA. Als we een model hadden dat eenvoudigweg voorspelde dat elke speler niet zou worden opgesteld, zou het model een classificatiefoutenpercentage van slechts 10% hebben. Dit lijkt laag, maar het model is feitelijk niet in staat om correct te voorspellen welke speler zal worden opgeroepen.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">In de praktijk berekenen we het classificatiefoutenpercentage van een model vaak met andere statistieken, zoals:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Gevoeligheid<\/strong> : het \u201cechte positieve percentage\u201d \u2013 het percentage positieve resultaten dat het model kan detecteren.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Specificiteit<\/strong> : Het \u201cechte negatieve percentage\u201d \u2013 het percentage negatieve resultaten dat het model kan detecteren.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>F1-score<\/strong> : een <a href=\"https:\/\/statorials.org\/nl\" target=\"_blank\" rel=\"noopener\">statistiek<\/a> die ons vertelt hoe nauwkeurig een model is, in verhouding tot hoe de gegevens worden gedistribueerd.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Door de waarde van elk van deze statistieken te berekenen, kunnen we volledig begrijpen hoe goed het model voorspellingen kan doen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Aanvullende bronnen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">De volgende zelfstudies bieden aanvullende informatie over algemene machine learning-concepten:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/nl\/logistische-regressie-1\/\" target=\"_blank\" rel=\"noopener\">Inleiding tot logistieke regressie<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/evenwichtige-precisie\/\" target=\"_blank\" rel=\"noopener\">Wat is gebalanceerde nauwkeurigheid?<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/f1-score-versus-precisie\/\" target=\"_blank\" rel=\"noopener\">F1-score versus nauwkeurigheid: welke moet u gebruiken?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Bij machinaal leren is het percentage misclassificaties een maatstaf die ons vertelt hoeveel procent van de waarnemingen onjuist is voorspeld door een classificatiemodel . Het wordt als volgt berekend: Misclassificatiepercentage = # onjuiste voorspellingen \/ # totale voorspellingen De waarde van het misclassificatiepercentage kan vari\u00ebren van 0 tot 1 waarbij: 0 vertegenwoordigt een model dat [&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":[],"class_list":["post-2979","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials<\/title>\n<meta name=\"description\" content=\"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.\" \/>\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\/nl\/percentage-misclassificaties\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials\" \/>\n<meta property=\"og:description\" content=\"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-19T19:33:03+00:00\" \/>\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\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/\",\"url\":\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/\",\"name\":\"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-19T19:33:03+00:00\",\"dateModified\":\"2023-07-19T19:33:03+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials","description":"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.","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\/nl\/percentage-misclassificaties\/","og_locale":"de_DE","og_type":"article","og_title":"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials","og_description":"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.","og_url":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/","og_site_name":"Statorials","article_published_time":"2023-07-19T19:33:03+00:00","author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"2\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/","url":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/","name":"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-19T19:33:03+00:00","dateModified":"2023-07-19T19:33:03+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Deze tutorial geeft een uitleg van het classificatiefoutenpercentage bij machine learning, met een voorbeeld.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/percentage-misclassificaties\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/percentage-misclassificaties\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Classificatiefoutenpercentage bij machinaal leren: definitie en voorbeeld"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2979","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=2979"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2979\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=2979"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=2979"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=2979"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}