İçeriğe geç
parazade
Yapay Zeka

Doğru Pozitif Nedir?

İngilizce: True Positive

Yayın: · Son güncelleme:

Doğru Pozitif Nedir? Kısaca

Doğru pozitif (true positive, TP), bir sınıflandırma modelinin gerçekte pozitif olan bir örneği doğru biçimde pozitif olarak tahmin etmesidir. Karışıklık matrisinin temel hücrelerinden biridir ve kesinlik, duyarlılık gibi metriklerin hesabında kullanılır.

Doğru Pozitif nedir?
İçindekiler
  1. Doğru pozitif nedir?
  2. Hangi metriklerde kullanılır?
  3. Örnek

Doğru pozitif, bir modelin "var" dediği şeyin gerçekten var olduğu durumu anlatır. Örneğin bir spam filtresinin spam olan bir e-postayı spam klasörüne ataması ya da bir tarama testinin hastalığı olan birinde pozitif sonuç vermesi doğru pozitiftir.

Doğru pozitif nedir?

İkili sınıflandırmada her tahmin dört sonuçtan birine düşer:

  • Doğru pozitif (TP): Gerçek pozitif, tahmin pozitif
  • Yanlış pozitif (FP): Gerçek negatif, tahmin pozitif
  • Yanlış negatif (FN): Gerçek pozitif, tahmin negatif
  • Doğru negatif (TN): Gerçek negatif, tahmin negatif

Bu dört değer karışıklık matrisi adı verilen tabloda bir araya gelir. "Pozitif" kelimesi iyi ya da kötü anlamına gelmez; yalnızca aranan sınıfı ifade eder. Dolandırıcılık tespitinde pozitif sınıf "dolandırıcılık var"dır.

Hangi metriklerde kullanılır?

  • Duyarlılık (recall): TP / (TP + FN). Gerçek pozitiflerin ne kadarının yakalandığını gösterir.
  • Kesinlik (precision): TP / (TP + FP). Pozitif tahminlerin ne kadarının isabetli olduğunu gösterir.
  • F1 skoru: Kesinlik ve duyarlılığın harmonik ortalamasıdır.

Örnek

Varsayımsal bir test setinde 50 gerçek dolandırıcılık işlemi olsun. Model bunların 42'sini doğru işaretlerse TP = 42, kaçırdığı 8 işlem ise yanlış negatiftir. Bu durumda duyarlılık 42 / 50 = 0,84 olur.

Yüksek TP sayısı tek başına iyi bir model anlamına gelmez. Model her şeye "pozitif" dese tüm pozitifleri yakalar ama çok sayıda yanlış pozitif üretir. Bu yüzden TP her zaman diğer üç hücreyle birlikte değerlendirilmelidir.

Sıkça Sorulan Sorular

Doğru pozitif oranı ne demek?

Doğru pozitif oranı (TPR), gerçek pozitiflerin ne kadarının model tarafından yakalandığını gösterir ve duyarlılıkla aynı şeydir. TP / (TP + FN) formülüyle hesaplanır.

Doğru pozitif ile doğru negatif arasındaki fark nedir?

Doğru pozitif, aranan sınıfın doğru tespit edilmesidir. Doğru negatif ise aranan sınıfa ait olmayan bir örneğin doğru biçimde negatif bulunmasıdır.

İlgili terimler

Yanlış Pozitif(False Positive)Yanlış pozitif (false positive, FP), bir modelin gerçekte negatif olan bir örneği hatalı biçimde pozitif olarak tahmin etmesidir. Günlük dilde 'yanlış alarm' olarak bilinir; istatistikte birinci tür hataya karşılık gelir.Yanlış Negatif(False Negative)Yanlış negatif (false negative, FN), bir modelin gerçekte pozitif olan bir örneği hatalı biçimde negatif olarak tahmin etmesidir. Yani aranan durum vardır ama model onu kaçırır; istatistikte ikinci tür hataya karşılık gelir.Karışıklık Matrisi(Confusion Matrix)Karışıklık matrisi (confusion matrix), bir sınıflandırma modelinin tahminlerini gerçek etiketlerle karşılaştıran tablodur. Doğru pozitif, yanlış pozitif, doğru negatif ve yanlış negatif sayılarını gösterir; kesinlik, duyarlılık gibi metrikler buradan hesaplanır.Duyarlılık(Recall)Makine öğrenmesinde duyarlılık (recall), gerçekte pozitif olan örneklerin ne kadarının model tarafından doğru şekilde pozitif olarak yakalandığını gösteren orandır; doğru pozitifin, doğru pozitif ile yanlış negatif toplamına bölünmesiyle bulunur.Kesinlik(Precision)Makine öğrenmesinde kesinlik (precision), modelin pozitif olarak işaretlediği örnekler içinde gerçekten pozitif olanların oranıdır; doğru pozitif sayısının, doğru pozitif ile yanlış pozitif toplamına bölünmesiyle hesaplanır.F1 Skoru(F1 Score)F1 skoru, bir sınıflandırma modelinin kesinlik (precision) ve duyarlılık (recall) değerlerinin harmonik ortalamasıdır. 0 ile 1 arasında değer alır; 1'e yaklaştıkça model hem az yanlış alarm verir hem de gerçek pozitifleri az kaçırır.