Матрица ошибок онлайн: точность, полнота и F-мера с подстановкой чисел

Коротко

Впишите четыре числа матрицы ошибок — TP, FP, FN и TN — и сразу получите всю картину: долю правильных ответов, точность, полноту, специфичность, F-меру, коэффициент Мэтьюса и остальные метрики. Под каждой формулой — подстановка ваших чисел, удобно сверять с ручным расчётом в лабораторной. Вывод написан словами: чем модель грешит сильнее — ложными тревогами или пропусками. Считается прямо в браузере, ничего никуда не отправляется.

	Прогноз модели
	+	−
факт +	TP	FN
факт −	FP	TN

Всего объектов: 200

F-мера: β = 1

β > 1 — дороже пропуски; β < 1 — дороже ложные тревоги.

Точность (0.895) и полнота (0.850) почти равны — оба вида ошибок сбалансированы.

Метрика	Формула	Подстановка	Значение
Доля правильных ответов	$Доля верных = \frac{T P + T N}{N}$	(85 + 90) / 200	0,8750
Сбалансированная точность	$Сбалансированная точность = \frac{Полнота + Специфичность}{2}$	(85/100 + 90/100) / 2	0,8750
Точность	$Точность = \frac{T P}{T P + F P}$	85 / (85 + 10)	0,8947
Полнота (чувствительность)	$Полнота = \frac{T P}{T P + F N}$	85 / (85 + 15)	0,8500
Специфичность	$Специфичность = \frac{T N}{T N + F P}$	90 / (90 + 10)	0,9000
Доля ложных тревог	$Доля ложных тревог = \frac{F P}{F P + T N}$	10 / (10 + 90)	0,1000
Доля пропусков	$Доля пропусков = \frac{F N}{F N + T P}$	15 / (15 + 85)	0,1500
Прогностичность отрицательного ответа	$Прогностичность « нет » = \frac{T N}{T N + F N}$	90 / (90 + 15)	0,8571
Доля ложных обнаружений	$Доля ложных обнаружений = \frac{F P}{T P + F P}$	10 / (85 + 10)	0,1053
F1-мера	$F_{1} = \frac{2 Точность \cdot Полнота}{Точность + Полнота}$	2·(85/95)·(85/100) / (85/95 + 85/100)	0,8718
F-мера (β = 1)	$F_{β} = \frac{( 1 + β ^{2} ) Точность \cdot Полнота}{β ^{2} Точность + Полнота}$	(1 + 1²)·P·R / (1²·P + R)	0,8718
Коэффициент Мэтьюса	$MCC = \frac{T P \cdot T N - F P \cdot F N}{( T P + F P ) ( T P + F N ) ( T N + F P ) ( T N + F N )}$	(85·90 − 10·15) / √(95·100·100·105)	0,7509

Без JavaScript поля неизменяемы — выше готовый разобранный пример и таблица формул.

Зачем калькулятор, если есть sklearn

Для экзамена, отчёта по лабе и собеседований нужна не цифра, а строчка «TP/(TP+FP) = 85/(85+10) = 0,895». Такие строчки и печатает эта страница: формула, подстановка, ответ — по каждой метрике. Кнопка «Скопировать в отчёт» складывает всё в аккуратный markdown.

На этой странице также отвечаем на вопросы: «confusion matrix онлайн», «матрица ошибок калькулятор», «f1 мера онлайн калькулятор», «точность и полнота калькулятор», «precision recall f1 посчитать онлайн», «MCC калькулятор», «специфичность чувствительность калькулятор», «метрики классификации посчитать онлайн».

Как считаем

Доля верных = \frac{T P + T N}{N}, N = T P + F P + F N + T N

Точность = \frac{T P}{T P + F P} Полнота = \frac{T P}{T P + F N} Специфичность = \frac{T N}{T N + F P}

Доля ложных тревог = \frac{F P}{F P + T N} Доля пропусков = \frac{F N}{F N + T P} Прогностичность « нет » = \frac{T N}{T N + F N} Доля ложных обнаружений = \frac{F P}{T P + F P}

F_{1} = \frac{2 Точность \cdot Полнота}{Точность + Полнота} F_{β} = \frac{( 1 + β ^{2} ) Точность \cdot Полнота}{β ^{2} Точность + Полнота}

MCC = \frac{T P \cdot T N - F P \cdot F N}{( T P + F P ) ( T P + F N ) ( T N + F P ) ( T N + F N )}

Ограничения и допущения

Всё посчитано для одной модели и одного положительного класса. Для многоклассовой задачи нужны макро- и микроусреднения — этот калькулятор их не делает.
ROC-AUC здесь не считается: ему нужны вероятности и пороги, а матрица — только финальные ответы.
Любую метрику стоит доверять, только если тестовая выборка собрана случайно и представляет вашу задачу.

Полная методика, шаги и источники

Частые вопросы

матрица ошибок что это простыми словами

Таблица 2×2: TP — угадала «да», FP — подняла ложную тревогу, FN — проглядела объект, TN — правильно сказала «нет». Все остальные метрики — просто разные способы поделить эти четыре числа.

в чём разница точности и полноты

Точность отвечает на вопрос, насколько верить положительному ответу, полнота — много ли модель пропустила. Обычно они спорят друг с другом: строже пороги — выше точность, но больше пропусков; мягче — наоборот.

как считается F-мера

F-мера = 2·точность·полнота/(точность+полнота), гармоническое среднее двух метрик. Провалится любая из них — F-мера сразу утянет вниз. На сильном перекосе классов смотрите ещё коэффициент Мэтьюса: его перекосом не обмануть.

когда коэффициент Мэтьюса лучше доли правильных ответов

Когда классы несбалансированы. Модель, которая всегда отвечает «нет», на данных с 1 % положительных покажет долю правильных ответов 0,99 — и при этом коэффициент Мэтьюса ровно 0: она не разделяет классы вообще.

Ещё на сайте

Размеры одежды и обуви Перевод размеров США ↔ Европа ↔ Россия по длине стопы Тулы: проверка железа, печать и онлайн-инструменты Проверить мышь, камеру, монитор и геймпад, настроить гитару — или собрать макет на печать Работа с файлами PDF, фото и данные — файлы не покидают устройство Развлечения и эзотерика Лунный календарь, гадания, нумерология и помощники выбора

Инструмент

Зачем калькулятор, если есть sklearn

Покрываемые вопросы

Как считаем

Ограничения и допущения

Частые вопросы

Похожие инструменты

Ещё на сайте