...
Daraus abgeleitete Kenngrößen
...
Name | Formel | Bedeutung |
---|---|---|
Korrekte Klassifikationen | T=TP+TN | alle korrekten Vorhersagen |
Falsche Klassifikationen | F=FP+FN | alle falschen Vorhersagen |
Relevanz | R=TP+FN | die Anzahl der guten Kundne |
Irrelevanz | I=FP+TN | die Anzahl der nicht guten Kunden |
Positivität | P=TP+FP | die Anzahl der als gut klassifizierten Kunden |
Negativität | N=TN+FN | die Anzahl der als nicht gut klassifizierten Kunden |
Korrektheitsrate | T n | der Anteil der korrekt klassifizierten Kunden |
Inkorrektheitsrate | F n | der Anteil der nicht korrekt klassifizierten Kunden |
Richtig-positiv-Rate | TPR=TP R | Wie oft wurde ein guter Kunde als solcher erkannt (Sensitivität, Recall, Trefferquote) |
Richtig-negativ-Rate | TNR=TN I | Wie oft wurde ein nicht guter Kunde auch als solcher klassifiziert |
Falsch-Positiv-Rate | FPR=FP I | Wie oft wurde ein nicht guter Kunde als guter Kunde klassifiziert |
Falsch-negativ-Rate | FNR=FN I | Wie oft wurde ein guter Kunde als nicht guter Kunde klassifiziert |
Positiver Vorhersagewert, Genauigkeit, Präzision (precision) | TP P | Wie oft ist ein als gut vorhergesagter Kunde ein guter Kunde |
Negativer Vorhersagewert | TN N | Wie |
Quelle
Jürgen Cleve, Uwe Lämmel: Data Mining; S. 236/237, De Gruyter Oldenbourg, 2. Aufl.