Gütemaße
Gütemaße am Beispiel für Kunden
| Abkürzung | Bedeutung |
|---|---|
| TP (richtig positiv) | Ein guter Kunde wird als guter Kunde erkannt |
| TN (richtig negativ) | Ein nicht guter Kunde wird als nicht guter erkannt |
| FP (falsch positiv) | Ein nicht guter Kunde wird als guter erkannt |
| FN (falsch negativ) | Ein guter Kunde wird als nicht guter erkannt |
Kenngrößen
Daraus abgeleitete Kenngrößen
Wie oft wurde ein guter Kunde als solcher erkannt (Sensitivität, Recall, Trefferquote)| 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 |
Quelle
Jürgen Cleve, Uwe Lämmel: Data Mining; S. 236/237, De Gruyter Oldenbourg, 2. Aufl.