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.
Matrice de Confusion - dCode
Catégorie(s) : Traitement de Données
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 ? Écrire à dCode !
Une matrice de confusion, aussi appelée matrice d'erreur, est un outil d'évaluation souvent présenté comme un tableau de 4 cases comportant 4 valeurs essentielles pour mesurer/évaluer statistiquement un résultat. Généralement, issu d'une modèle de classification et/ou d'un algorithme d'intelligence artificelle.
Les 4 valeurs sont :
— le nombre de vrais positifs (VP ou TP) : le nombre d'observations correctement prédites en tant que positives.
— le nombre de faux positifs (FP) : le nombre d'observations réelles négatives incorrectement prédites comme positives.
— le nombre de vrai négatifs (VN ou TN) : le nombre d'observations correctement prédites en tant que négatives.
— le nombre de faux négatifs (FN) : le nombre d'observations réelles positives incorrectement prédites comme négatives.
Exemple : TP:99,FP:1,TN:95:FN:5
Les 4 valeurs de la matrice de confusion permettent de calculer plusieurs 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, aussi appelé précision, 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.
En fournissant une vision détaillée des erreurs de classification, la Matrice de Confusion aide à comprendre les forces et faiblesses du modèle, renforçant ainsi l'interprétabilité des résultats.
dCode se réserve la propriété du code source pour "Matrice de Confusion". Sauf code licence open source explicite (indiqué Creative Commons / gratuit), l'algorithme pour "Matrice de Confusion", l'applet ou snippet (convertisseur, solveur, chiffrement / déchiffrement, encodage / décodage, encryptage / décryptage, traducteur) ou les fonctions liées à "Matrice de Confusion" (calculer, convertir, résoudre, décrypter / encrypter, déchiffrer / chiffrer, décoder / encoder, traduire) codés en langage informatique (Python, Java, C#, PHP, Javascript, Matlab, etc.) ou les données, en téléchargement, script, ou les accès API à "Matrice de Confusion" ne sont pas publics, idem pour un usage hors ligne, PC, mobile, tablette, appli iPhone ou Android !
Rappel : dCode est gratuit.
Le copier-coller de la page "Matrice de Confusion" ou de ses résultats est autorisée (même pour un usage commercial) tant que vous créditez dCode !
L'exportation des résultats sous forme de fichier .csv ou .txt est gratuite en cliquant sur l'icone export
Citer comme source bibliographique :
Matrice de Confusion sur dCode.fr [site web en ligne], consulté le 04/12/2024,