混淆矩阵和性能指标目前，在 JMPpro 中，根据模型的混淆矩阵自动计算的唯一性能指标是错误分类率以及最终的 ROC AUC。 其他指标，例如 Fase 阳性率和假阴性率、敏感性、特异性、阴性和阳性预测值、精确度/召回率（= F1 分数）和 MCC，在 ML 文献中经常描述，对于模型比较非常有用。 存在在线计算器，但需要手动数据输入，并且对数据输入错误很敏感（参考：公式网站http://onlineconfusionmatrix.com/ ）。 我没有Add-Inns的开发经验。 对于寻找最佳 ML 模型的 JMP 用户来说，从混淆矩阵计算这些性能测量的 Add-Inn 将非常受欢迎。 事实上，ROC 和错误分类率与最佳性能指标相差甚远，尤其是当数据高度不平衡时，这是医学分类中非常常见的情况。 我的问题是，开发这个Add-Inn有用吗？论坛上有人可以为此付出一些努力吗？
问候
鲁
数据探索和可视化预测建模和机器学习质量和工艺工程回复：混淆矩阵和性能指标嗨，卢，
查看这两个插件，看看它们是否能满足您的需求。 第二个有很多你想要的东西，但运行速度往往很慢，所以要有耐心。 我专门创建的第一个是为了解决我想要的诊断测试措施。
性能摘要插件
模型分类阈值浏览器
