混同行列とパフォーマンス測定現在、JMPpro では、モデルの混同行列から自動的に計算される唯一のパフォーマンス尺度は、誤分類率、そして最終的には ROC の AUC です。 偽陽性率と偽陰性率、感度、特異度、陰性および陽性的中率、適合率/再現率 (= F1 スコア)、MCC などの他の尺度は、ML 文献に一般的に記載されており、モデルの比較に非常に役立ちます。 オンライン計算機は存在しますが、手動でデータを入力する必要があり、データ入力エラーに敏感です (参照: 数式の Web サイト) http://onlineconfusionmatrix.com/ ）。 私にはアドインの開発経験がありません。 混同行列からこれらのパフォーマンス尺度を計算するアドインは、最適な ML モデルを探している JMP ユーザーにとって非常に歓迎されるでしょう。 実際、ROC と誤分類率は、特にデータの不均衡が著しく、医療分類において非常に一般的な状況である場合には、最良のパフォーマンス指標からはほど遠いものです。 私の質問は、このアドインを開発するのは有益ですか? フォーラムにそれに力を注げる人はいますか?
よろしく
ルー
データの探索と視覚化予測モデリングと機械学習品質およびプロセスエンジニアリングRe: 混同マトリックスとパフォーマンス測定こんにちは、ルーさん
これら 2 つのアドインをチェックして、探しているものに役立つかどうかを確認してください。 2 番目のバージョンには、必要なものがほとんど含まれていますが、実行が遅くなる傾向があるため、辛抱強く待ってください。 最初のものは、診断テストに必要な対策に対処するために特別に作成しました。
パフォーマンス概要アドイン
モデル分類閾値エクスプローラー
