matrice di confusione e misure di performanceAttualmente in JMPpro, l'unica misura di prestazione calcolata automaticamente dalla matrice di confusione di un modello è il tasso di errata classificazione ed eventualmente l'AUC del ROC. Altre misure come tassi di Fase positiva e falsi negativi, sensibilità, specificità, valore predittivo negativo e positivo, precisione/richiamo (= punteggio F1) e MCC sono comunemente descritti nella letteratura ML e sono molto utili per il confronto dei modelli. Esistono calcolatori online ma richiedono l'immissione manuale dei dati e sono sensibili agli errori di immissione dei dati (rif: sito Web per le formule http://onlineconfusionmatrix.com/ ). Non ho esperienza con lo sviluppo di componenti aggiuntivi. Un Add-Inn che calcola queste misure di prestazione dalla matrice di confusione sarebbe molto gradito per l'utente JMP che cerca il modello ML ottimale. In effetti, il ROC e il tasso di errata classificazione sono lontani dalla migliore misura di prestazione, soprattutto quando i dati sono fortemente sbilanciati, una situazione molto comune nella classificazione medica. La mia domanda è: è utile sviluppare questo Add-Inn e c'è qualcuno sul forum che è in grado di impegnarsi in esso?
Saluti
Lu
Esplorazione e visualizzazione dei datiModellazione predittiva e machine learningIngegneria della qualità e dei processiRi: matrice di confusione e misure di performanceCiao Lu,
Dai un'occhiata a questi due componenti aggiuntivi per vedere se ti aiutano con ciò che stai cercando. Il secondo ha molto di ciò che desideri ma tende a funzionare lentamente, quindi sii paziente. Il primo l'ho creato appositamente per affrontare le misure che volevo per i test diagnostici.
componente aggiuntivo di riepilogo delle prestazioni
esploratore della soglia di classificazione del modello
