پرش به محتوا

صحت و دقت

از ویکی‌پدیا، دانشنامهٔ آزاد
آماجی که دقت بالا و صحت پایین دارد

در یک مجموعه اندازه‌گیری، صِحَت (به انگلیسی: accuracy) به معنی نزدیکی مقادیر اندازه‌گیری به یک مقدار خاص و دِقَت (به انگلیسی: precision) به معنی نزدیکی مقادیر اندازه‌گیری به یکدیگر است. صحت یک ابزار، معمولاً کالیبره شدنی می‌باشد اما دقت آن، بخشی از ماهیت ابزار می‌باشد.[۱]

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

صحت نیز به دو شکل تعریف می‌شود:[۲]

  1. تعریفی که بیشتر معمول است، دقت را معیاری توصیفی از خطاهای ذاتی (سیستماتیک) اندازه‌گیری در نظر می‌گیرد که خود نشان‌دهندهٔ تمایل ذاتی داده‌ها است.[۳]
  2. تعریف دیگر (تعریف ISO)، دقت را به توصیف هر دو نوع خطای مشاهده و همچنین تعریف بالا می‌گویند.[۴]
واقعیت
جامعه آماری در واقعیت مثبت در واقعیت منفی شیوع = Σ Condition positive/Σ Total population صحت (ACC) = Σ True positive + Σ True negative/Σ Total population
پیش‌بینی پیش‌بینی
مثبت
مثبت صادق مثبت کاذب
خطای نوع اول
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 کاذب
خطای نوع دوم
منفی صادق 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

در واقعیت درست یا (P)
تعداد موارد واقعاً مثبت در داده
در واقعیت منفی یا (N)
تعداد موارد واقعاً منفی در داده
مثبت صادق یا (TP)
مانند آژیر درست
منفی صادق یا (TN)
مانند سکوت درت
مثبت کاذب یا (FP)
معادل با آژیر کاذب، خطای نوع اول (هواپیمای دشمن نبوده ولی آژیر زده شده)
منفی کاذب یا (FN)
معادل با سکوت اشتباه خطای نوع دوم (هواپیمای دشمن بوده ولی آژیر زده نشده)

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),[۵] Powers (2011),[۶] Ting (2011),[۷] and CAWCR[۸]

منابع

[ویرایش]
  1. JCGM 200:2008 International vocabulary of metrology — Basic and general concepts and associated terms (VIM)
  2. JCGM 200:2008 International vocabulary of metrology — Basic and general concepts and associated terms (VIM)
  3. Taylor, John Robert (1999). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books. pp. 128–129. ISBN 0-935702-75-X.
  4. North Atlantic Treaty Organization, NATO Standardization Agency AAP-6 – Glossary of terms and definitions, p 43.
  5. Fawcett, Tom (2006). "An Introduction to ROC Analysis" (PDF). Pattern Recognition Letters. 27 (8): 861–874. doi:10.1016/j.patrec.2005.10.010.
  6. 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.
  7. Ting, Kai Ming (2011). Encyclopedia of machine learning. Springer. ISBN 978-0-387-30164-8.
  8. 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.