Calculateur de matrice de confusion
Vérifiez cinq métriques de classification binaire à partir des vrais et faux positifs et négatifs.
Métriques de classification
Saisissez TP, FP, FN et TN, puis calculez.
- Précision
- —
- Rappel (sensibilité)
- —
- Spécificité
- —
- Score F1
- —
Un dénominateur nul reste indéfini ; il ne devient jamais 0% ou 100%.
Utiliser la matrice de confusion
Utilisez les effectifs d’une classification binaire après avoir choisi la classe positive. Aucun modèle n’est entraîné.
- Saisissez TP et FP.
- Saisissez FN et TN.
- Lancez le calcul.
- Lisez le dénominateur de toute métrique indéfinie.
- Modifier invalide le résultat ; Effacer vide les effectifs.
Les quatre effectifs
TP et TN sont les prédictions correctes des classes positive et négative. FP prédit positif à tort et FN prédit négatif à tort.
Formules
Exactitude=(TP+TN)/total, précision=TP/(TP+FP), rappel=TP/(TP+FN), spécificité=TN/(TN+FP), F1=2TP/(2TP+FP+FN).
Dénominateurs indéfinis
Même avec un total positif, une classe peut manquer. La métrique concernée reste indéfinie au lieu de recevoir une valeur arbitraire.
Portée
- Entiers non négatifs uniquement.
- Une classe binaire, sans moyenne multiclasse.
- Comparer plusieurs métriques si les données sont déséquilibrées.
- Aucun envoi, entraînement ou diagnostic médical.
Exemple
TP=40, FP=10, FN=20 et TN=30 donnent exactitude 70%, précision 80%, rappel 66,67%, spécificité 75% et F1 72,73%.
Questions fréquentes
Pourquoi la précision est-elle indéfinie ?
Il n’y a aucune prédiction positive : TP+FP=0.
Le rappel peut-il valoir 0 tout en étant défini ?
Oui, si des positifs réels existent mais aucun n’est détecté.
F1 inclut-il TN ?
Non, il combine précision et rappel de la classe positive.
Est-ce un outil médical ?
Non, il vérifie seulement des effectifs binaires.