
2,190 Views
Sinopsis
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
Kalian bisa menggunakan sklearn untuk mempermudah perhitungan diatas, seperti kode berikut
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)
hasil
(0.0, 2.0, 1.0, 1.0) (25.0, 33.33333333333333, 50.0)
Referensi:
Mengukur Kinerja Algoritma Klasifikasi dengan Confusion Matrix