혼동 행렬 및 성능 측정현재 JMPpro에서 모델의 혼동 행렬로부터 자동으로 계산되는 유일한 성능 측정값은 오분류율과 결국 ROC의 AUC입니다. 위양성 및 위음성 비율, 민감도, 특이성, 음성 및 양성 예측 값, 정밀도/재현율(= F1 점수) 및 MCC와 같은 기타 측정값은 ML 문헌에 일반적으로 설명되어 있으며 모델 비교에 매우 유용합니다. 온라인 계산기가 존재하지만 수동으로 데이터를 입력해야 하고 데이터 입력 오류에 민감합니다(참조: 공식 웹사이트) http://onlineconfusionmatrix.com/ ). 저는 Add-Ins 개발 경험이 없습니다. 최적의 ML 모델을 검색하는 JMP 사용자에게는 혼동 행렬에서 이러한 성능 측정값을 계산하는 추가 기능이 매우 유용할 것입니다. 실제로 ROC 및 오분류율은 특히 데이터의 불균형이 심한 경우(의료 분류에서 매우 일반적인 상황) 최상의 성능 측정값과는 거리가 멀습니다. 내 질문은, 이 추가 기능을 개발하는 것이 유용합니까? 포럼에 노력을 기울일 수 있는 사람이 있습니까?
문안 인사
루
데이터 탐색 및 시각화예측 모델링 및 기계 학습품질 및 프로세스 엔지니어링답변: 혼동 행렬 및 성능 측정안녕하세요 루님,
이 두 가지 추가 기능을 확인하여 원하는 내용에 도움이 되는지 확인하세요. 두 번째에는 원하는 것이 많이 있지만 느리게 실행되는 경향이 있으므로 인내심을 가지십시오. 진단 테스트를 위해 원했던 조치를 해결하기 위해 특별히 만든 첫 번째 것입니다.
성능 요약 추가 기능
모델 분류 임계값 탐색기
