Iniciação rápida
-
Insira quatro contagens
TP, FP, FN, TN são inteiros não negativos.
-
Ver métricas
Resultados arredondados para quatro decimais para registros experimentais.
Calculador de métricas de avaliação ML
Digite contagens de matriz de confusão para obter precisão, recall, F1 e precisão para avaliação de classificação.
Privacidade: processado localmente, nunca carregado.
↓ Colar na área de entrada abaixo para ver os resultados instantaneamente
输入混淆矩阵 TP/FP/FN/TN，计算精确率、召回率、F1 与准确率。
精确率 (Precision)
0.8889
召回率 (Recall)
0.9412
F1
0.9143
准确率 (Accuracy)
0.985
Notas
指标说明
适用于二分类评估。多分类或排序任务请使用对应宏/微平均或 AUC 等指标。
Digite contagens de matriz de confusão para obter precisão, recall, F1 e precisão para avaliação de classificação.
Quando usar a precisão
Com um desequilíbrio de classe pesado, a precisão é enganosa; priorizar a precisão e a lembrança.
Características e casos de uso
Calcule precisão, precisão, recall, F1 e métricas relacionadas a partir de matrizes de confusão ou TP / FP / FN.
Use para tarefas de casa de ML, verificações Kaggle, preparação de monitoramento de produção e comparações de modelos A / B.
Fluxo de trabalho típico
Para usar esta ferramenta, primeiro colete os dados da matriz de confusão das previsões do seu modelo: Verdadeiros Positivos (TP), Falso Positivos (FP), Falso Negativo (FN) e Verdadeiros Negativos (TN). Estes geralmente vêm da comparação de previsões contra rótulos de verdade em seu conjunto de teste. Depois de inserir esses valores nos campos de entrada correspondentes, clique em calcular para obter métricas-chave, como precisão, recall e F1 - score.
Para projetos práticos, recomendamos usar esta ferramenta regularmente para monitorar o desempenho do modelo. Por exemplo, após a otimização do modelo, calcule novas métricas usando o mesmo conjunto de testes e compare com dados históricos. Faça uma captura de tela ou registre os resultados na documentação do experimento para discussões em equipe e de ajuste de modelo.
Exemplos
Exemplo
Input
TP=80, FP=10, FN=5, TN=905
Output
Precision 0.8889, Recall 0.9412
FAQ
Suporte multiclasse?
Somente binário; use médias macro / micro para multiclasses.
A ferramenta salva os meus dados de entrada?
Todos os cálculos ocorrem localmente no seu navegador sem enviar dados para os servidores. As entradas desaparecem quando você fecha a página, tornando-a adequada para dados confidenciais. Para evitar perdas acidentais, recomendamos que você faça backup dos valores da matriz de confusão com antecedência.