Performance measuresAll classificat

Performance measures
All classification result can have an error rate and might fail to identify an abnormality. It is common to describe this Accuracy rate in the terms true and false positive rate and true and false negative rate as follows
• True Positive Rate (TPR): Abnormal correctly identified as abnormal.
• True Negative Rate (TNR): Normal correctly identified as normal.
• False Positive Rate (FPR): Normal incorrectly identified as abnormal.
• False Negative Rate (FNR): Abnormal incorrectly identified as normal.
1) Sensitivity = TPR/(TPR+FNR) * 100%
2) Specificity = INR/(INR+FPR) *100%
3) Accuracy = (TPR+INR)/(TPR+INR+FPR+FNR)* 100% are used to measure the performances of the classifiers.

ผลลัพธ์ (ไทย) 2:

การวัดประสิทธิภาพ
ผลทุกประเภทสามารถมีอัตราความผิดพลาดและอาจล้มเหลวในการระบุความผิดปกติ มันเป็นเรื่องธรรมดาที่จะอธิบายอัตราความถูกต้องในแง่อัตราการบวกจริงและเท็จและจริงและเท็จอัตราเชิงลบดังต่อไปนี้
•ทรูบวก Rate (TPR). ความผิดปกติที่ระบุได้อย่างถูกต้องเป็นที่ผิดปกติ
•ทรูอัตราเชิงลบ (TNR): ปกติระบุอย่างถูกต้องตาม . ปกติ
•เท็จบวกอัตรา (FPR): ปกติระบุไม่ถูกต้องเป็นความผิดปกติ.
•เท็จอัตราเชิงลบ (FNR). ความผิดปกติที่ระบุไม่ถูกต้องตามปกติ
1) ความไว = TPR / (TPR + FNR) * 100%
2) ความจำเพาะ = INR / (INR + FPR) * 100%
3) ความแม่นยำ = (+ TPR INR) / (+ TPR INR + + FPR FNR) * 100% จะใช้ในการวัดสมรรถนะของลักษณนามที่

ผลลัพธ์ (ไทย) 3:

การวัดผลการปฏิบัติงานทุกหมวดหมู่ผลสามารถมีอัตราความผิดพลาดและอาจล้มเหลวในการระบุความผิดปกติ โดยทั่วไปเพื่ออธิบายอัตราความถูกต้องในแง่จริงและเท็จบวกและลบปลอมจริงอัตราและอัตรา ดังนี้- จริงบวกคะแนน ( TPR ) : ผิดปกติได้อย่างถูกต้องระบุว่าผิดปกติ- จริงลบคะแนน ( tnr ) : ปกติได้อย่างถูกต้องระบุว่าเป็นปกติบวกเท็จบวกอัตรา ( fpr ) : ปกติไม่ถูกต้องระบุว่าผิดปกติบวกเท็จลบคะแนน ( FNR ) : ผิดปกติอย่างไม่ถูกต้องระบุว่าเป็นปกติ1 ) ความไว = TPR / ( TPR + FNR ) * 100%2 ) ความจำเพาะ = , / ( INR + fpr ) * 100%3 ) ความแม่นยำ = ( TPR + INR ) / ( TPR , + + + fpr FNR ) * 100 % ใช้เพื่อวัดสมรรถนะของลักษณนาม