loading...

Rabu, 24 Januari 2018

Compute Confusion matrix

Confusion matrix merupakan salah satu metode yang dapat digunakan untuk mengukur kinerja suatu metode klasifikasi. Pada dasarnya confusion matrix mengandung informasi yang membandingkan hasil klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi yang seharusnya

TN : merupakan data negatif yang terdeteksi dengan benar
FP : merupakan data negatif namun terdeteksi sebagai data positif
TP: merupakan data positif terdeteksi benar
FN :merupakan data positif terdeteksi sebagai data negatif




Sehingga jumlah
TN = 0
FP =2
FN = 1
TP = 1



http://achmatim.net/2017/03/19/mengukur-kinerja-algoritma-klasifikasi-dengan-confusion-matrix/
https://en.wikipedia.org/wiki/Confusion_matrix

from sklearn.metrics import confusion_matrix
import numpy as np

target = np.array([0,1,0,1])
prediksi =  np.array([1, 1, 1, 0])

tn, fp, fn, tp = confusion_matrix(target, prediksi).ravel()
tn = float(tn)
fp = float(fp)
fn = float(fn)
tp = float(tp)
print (tn, fp, fn, tp)

akurasi = ((tp+tn)/(tp+tn+fp+fn))*100
presisi = (tp/(fp+tp))*100
recall = (tp/(fn+tp))*100
print (akurasi,presisi, recall)


Menghasilkan

(0.0, 2.0, 1.0, 1.0)
(25.0, 33.33333333333333, 50.0)
 




Tidak ada komentar: