صحت و دقت

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری پرش به جستجو

دقت (precision) و صحت (accuracy) می‌باشد. صحت یک ابزار معمولاً قابل کالیبره کردن می‌باشد اما دقت آن بخشی از ماهیت ابزار می‌باشد.

دقت معیاری توصیفی از خطاهای تصادفی است که نشان دهندهٔ دامنهٔ پراکندگی آماری است.

صحت به دو شکل تعریف می‌شود:

  1. تعریفی که بیشتر معمول است دقت را معیاری توصیفی از خطاهای ذاتی (سیستماتیک) اندازه‌گیری در نظر می‌گیرد که خود نشان دهندهٔ تمایل ذاتی داده‌ها است.
  2. تعریف دیگر، (تعریف ISO) دقت را به توصیف هر دو نوع خطای مشاهده و همچنین تعریف بالا اطلاق می‌کند.
واقعاً درست
جامعه آماری واقعاً مثبت واقعاً منفی شیوع = Σ Condition positive/Σ Total population صحت و دقت (ACC) = Σ True positive + Σ True negative/Σ Total population
پیش‌بینی پیش‌بینی
مثبت
مثبت درست مثبت نادرست,
خطای نوع اول و دوم
Positive predictive value (PPV), دقت و بازیابی = Σ True positive/Σ Predicted condition positive میزان کشف اشتباه (FDR) = Σ False positive/Σ Predicted condition positive
پیش‌بینی
منفی
منفی نادرست,
خطای نوع اول و دوم
منفی درست False omission rate (FOR) = Σ False negative/Σ Predicted condition negative Negative predictive value (NPV) = Σ True negative/Σ Predicted condition negative
حساسیت و ویژگی (TPR), دقت و بازیابی، حساسیت و ویژگی، probability of detection, توان آماری = Σ True positive/Σ Condition positive False positive rate (FPR), بازیابی اطلاعات، probability of false alarm = Σ False positive/Σ Condition negative Positive likelihood ratio (LR+) = TPR/FPR Diagnostic odds ratio (DOR) = LR+/LR− امتیاز اف ۱ = 2 · Precision · Recall/Precision + Recall
False negative rate (FNR), Miss rate = Σ False negative/Σ Condition positive حساسیت و ویژگی (SPC), Selectivity, حساسیت و ویژگی (TNR) = Σ True negative/Σ Condition negative Negative likelihood ratio (LR−) = FNR/TNR

واژگان و مشتقات
ماتریس درهم‌ریختگی

واقعاً درست یا condition positive (P)
تعداد موارد واقعاً مثبت در داده
واقعاً منفی یا condition negative (N)
تعداد موارد واقعاً منفی در داده
مثبت درست یا true positive (TP)
معادل موارد درست
منفی درست یا true negative (TN)
معادل مردود کردن درست
مثبت نادرست یا false positive (FP)
معادل با آژیر کاذب، خطای نوع اول و دوم
منفی نادرست یا false negative (FN)
معادل با خطای نوع اول و دوم

recall، sensitivity، hit rate، یا true positive rate یا (TPR)
specificity، selectivity یا true negative rate یا (TNR)
precision یا positive predictive value یا (PPV)
negative predictive value یا (NPV)
رتبه ناموجود یا false negative rate یا (FNR)
fall-out یا false positive rate یا (FPR)
میزان کشف اشتباه (FDR)
false omission rate (FOR)
Threat score (TS) یا Critical Success Index (CSI)

صحت و دقت (ACC)
امتیاز اف ۱
is the میانگین همساز بازیابی اطلاعات and حساسیت و ویژگی
Matthews correlation coefficient (MCC)
Informedness یا Bookmaker Informedness (BM)
Markedness (MK)

منبع: Fawcett (2006),[۱] Powers (2011),[۲] Ting (2011),[۳] and CAWCR[۴]

منابع[ویرایش]

  1. Fawcett, Tom (2006). "An Introduction to ROC Analysis" (PDF). Pattern Recognition Letters. 27 (8): 861–874. doi:10.1016/j.patrec.2005.10.010.
  2. Powers, David M W (2011). "Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation" (PDF). Journal of Machine Learning Technologies. 2 (1): 37–63.
  3. Ting, Kai Ming (2011). Encyclopedia of machine learning. Springer. ISBN 978-0-387-30164-8.
  4. Brooks, Harold; Brown, Barb; Ebert, Beth; Ferro, Chris; Jolliffe, Ian; Koh, Tieh-Yong; Roebber, Paul; Stephenson, David (2015-01-26). "WWRP/WGNE Joint Working Group on Forecast Verification Research". Collaboration for Australian Weather and Climate Research. World Meteorological Organisation. Retrieved 2019-07-17.