Rechercher un outil
Matrice de Confusion

Outil pour calculer les données statistiques (sensibilité, spécificité, précision, valeur prédictive, etc.) à partir des valeurs vrais positifs, vrais négatifs, faux positifs, faux négatifs appelé matrice de confusion.

Résultats

Matrice de Confusion -

Catégorie(s) : Traitement de données

Partager
Partager
dCode et vous

dCode est gratuit et ses outils sont une aide précieuse dans les jeux, les maths, les énigmes, les géocaches, et les problèmes à résoudre au quotidien !
Une suggestion ? un problème ? une idée ? Ecrire à dCode !


Rendez-vous sur notre communauté Discord pour participer au forum d'entraide !


Grâce à vos remarques, réponses et commentaires pertinents, dCode peut développer le meilleur outil de Matrice de Confusion, alors écrivez-nous c'est gratuit ! Merci !

Matrice de Confusion

Annonces sponsorisées

Matrice de Confusion

Vrai Positif (VP ou TP) : élément déclaré VRAI et en réalité VRAI


Faux Positif (FP) ou erreur de type I : élément déclaré VRAI mais en réalité FAUX


Vrai Négatif (VN ou TN) : élément déclaré FAUX et en réalité FAUX


Faux Négatif (FN) ou erreur de type II : élément déclaré FAUX mais en réalité VRAI


Outil pour calculer les données statistiques (sensibilité, spécificité, précision, valeur prédictive, etc.) à partir des valeurs vrais positifs, vrais négatifs, faux positifs, faux négatifs appelé matrice de confusion.

Réponses aux Questions

Qu'est ce qu'une matrice de confusion ?

Une matrice de confusion, aussi appelée matrice d'erreur, est un tableau de 4 cases comportant 4 valeurs essentielles pour évaluer statistiquement un résultat. Généralement, issu d'une classification et/ou d'un algorithme d'intelligence artificelle.

Les 4 valeurs sont :

- le nombre de vrais positifs (VP ou TP)

- le nombre de faux positifs (FP)

- le nombre de vrai négatifs (VN ou TN)

- le nombre de faux négatifs (FN)

Exemple : TP:99,FP:1,TN:95:FN:5

Comment évaluer une matrice de confusion ?

Les 4 valeurs de la matrice de confusion permettent de calculer 8 autres valeurs d'intérêt statistique :

- le taux de vrais positifs TPR, aussi appelé sensibilité ou rappel TPR = TP / (TP + FN)

- le taux de vrais négatifs FPR, aussi appelé spécificité FPR = TN / (FP + TN)

- la valeur prédictive positive PPV = TP / (TP + FP)

- la valeur prédictive négative NPV = TN / (TN + FN)

- le taux de faux positifs FPR = FP / (FP + TN)

- le taux de faux négatifs FNR = FN / (FN + TP)

- le taux de fausses découvertes FDR = FP / (FP + TP)

- le taux de fausses omissions FOR = FN / (FN + TN)

De plus, des indicateurs complémentaires peuvent êtres utiles comme l'exactitude ou le score F1.

Code source

dCode se réserve la propriété du code source de l'outil 'Matrice de Confusion' en ligne. Sauf code licence open source explicite (indiqué CC / Creative Commons / gratuit), tout algorithme, applet ou snippet (convertisseur, solveur, chiffrement / déchiffrement, encodage / décodage, encryptage / décryptage, traducteur) ou toute fonction (convertir, résoudre, décrypter / encrypter, déchiffrer / chiffrer, décoder / encoder, traduire) codé en langage informatique (PHP, Java, C#, Python, Javascript, Matlab, etc.) aucune donnée, script ou accès API ne sera cédé gratuitement, idem pour télécharger Matrice de Confusion pour un usage hors ligne, PC, tablette, appli iPhone ou Android !

Besoin d'Aide ?

Rendez-vous sur notre communauté Discord pour participer au forum d'entraide !

Questions / Commentaires

Grâce à vos remarques, réponses et commentaires pertinents, dCode peut développer le meilleur outil de Matrice de Confusion, alors écrivez-nous c'est gratuit ! Merci !


Source : https://www.dcode.fr/matrice-de-confusion
© 2020 dCode — La 'boite à outils' indispensable qui sait résoudre tous les jeux / énigmes / géocaches / CTF.
Un problème ?