Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Ocenianiemodelu
17
Rzeczywistydodatni
Przewidywany
dodatni
Prawdziwiedodatni
Przewidywany
ujemny
Fałszywieujemny
BłądtypuII
Rysunek109Typybłędów
Rzeczywistyujemny
Fałszywiedodatni
BłądtypuI
Prawdziwieujemny
Oczywiściecałkowitaliczbawynikówfałszywiedodatnichifałszywieujemnychzależy
odliczbydokonywanychpredykcji.Zamiastopieraćsięnapomiarachbazującychnali-
czebności,mierzymy,jakczęstoprocentowopojawiająsiętegotypubłędy.Naprzykład
współczynnikfałszywiedodatnich(FPR,falsepositiverate)toodsetekujemnychprzy-
padków,którezostałynieprawidłowozidentyfikowanejakododatnie.Możemyobliczyć
tenodsetek,dzielącliczbęwynikówfałszywiedodatnich(FP,falsepositive)przezsumę
liczbywynikówfałszywiedodatnichiliczbywynikówprawdziwieujemnych(TN,true
negative),jakwponiższymwzorze:
FP
FPR=
FP+TN
Analogiczniemożemyobliczyćwspółczynnikfałszywieujemnych(FNR,falsenegative
rate)wnastępującysposób:
FN
FNR=
FN+TP
Niemajasnejreguływskazującej,czyjedentypbłędujestlepszy,czygorszyoddrugie-
go.Zależytoprzedewszystkimodtypurozwiązywanegoproblemu.
Wyobraźmysobienaprzykład,żeużywamyalgorytmuuczeniamaszynowegodokla-
syfikowaniadługiejlistypotencjalnychklientówjakoosób,którezakupiąnaszprodukt
(przypadkidodatnie)lubktóregoniezakupią(przypadkiujemne).Wydamypieniądze
tylkonawysłanielistówdokontaktówoznaczonychprzezalgorytmjakododatnie.
Wprzypadkuwynikufałszywiedodatniegowysyłamybroszurędoklienta,który
niekupinaszegoproduktu.Niepotrzebniewydaliśmywięcpieniądzenadrukowanie
iprzesłanietejbroszury.Wprzypadkuwynikufałszywieujemnegoniewysyłamylistu
doklienta,któryodpowiedziałbynaniego.Tracimyokazję,bysprzedaćprodukttemu
klientowi.Którasytuacjajestgorsza?Tozależyodkosztówprzesyłki,potencjalnego
zyskuztransakcjisprzedażyiinnychczynników.
