Sind 98 Prozent genug?
In einer Fabrik prüft eine Kamera Teile am Band. Im Bericht steht: „Das Modell ist zu 98 Prozent genau.“ Das Team freut sich.
Dann fällt jemandem etwas auf. Nur 2 von 100 Teilen sind defekt. Ein Modell, das immer „in Ordnung“ sagt, hätte auch 98 Prozent. Es fände keinen einzigen Defekt.
Um so eine Zahl zu beurteilen, müssen Sie wissen, wie sie entsteht.
Am Ende dieser Lektion
Notiz
Ich kann die Genauigkeit aus einer Tabelle mit Ergebnissen berechnen.
Schlüsselwörter
| Begriff | Was er bedeutet | Beispiel |
|---|---|---|
| Ergebnis | eine Vorhersage neben der richtigen Antwort | |
| Genauigkeit | der Anteil der Vorhersagen, die richtig sind | 8 von 10 sind 80 Prozent |
| Fehlalarm | vorhergesagt „ja“, in Wirklichkeit „nein“ | ein gutes Teil wird aussortiert |
| Verpasster Fall | vorhergesagt „nein“, in Wirklichkeit „ja“ | ein defektes Teil wird ausgeliefert |
| Seltener Fall | eine Antwort, die nur selten vorkommt | ein defektes Teil |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Genauigkeit: richtige Antworten durch alle Antworten
Legen Sie jede Vorhersage neben die richtige Antwort aus den Testdaten. Zählen Sie, wie oft beide gleich sind.
Die Genauigkeit ist diese Zahl geteilt durch alle Ergebnisse, mal 100. So erhalten Sie Prozent.
8 richtige von 10 sind 8 geteilt durch 10, also 0,8. Mal 100 ergibt 80 Prozent.
Rechenbeispiel: zehn Teile am Band
| Teil | Vorhergesagt | In Wirklichkeit | Richtig? |
|---|---|---|---|
| 1 | defekt | defekt | Ja |
| 2 und 3 | ok | ok | Ja, zweimal |
| 4 | defekt | ok | Nein, ein Fehlalarm |
| 5 | ok | defekt | Nein, ein verpasster Fall |
| 6 bis 8 | ok | ok | Ja, dreimal |
| 9 | defekt | defekt | Ja |
| 10 | ok | ok | Ja |
| Zusammen | 8 von 10, also 80 % |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Genauigkeit in Python berechnen
# Eine Kamera prüft zehn Teile am Band. "defekt" ist der seltene Fall.
vorhergesagt = ["defekt", "ok", "ok", "defekt", "ok", "ok", "ok", "ok", "defekt", "ok"]
tatsaechlich = ["defekt", "ok", "ok", "ok", "defekt", "ok", "ok", "ok", "defekt", "ok"]
richtig = 0
for i in range(len(tatsaechlich)):
if vorhergesagt[i] == tatsaechlich[i]:
richtig = richtig + 1
genauigkeit = richtig * 100 / len(tatsaechlich)
print("Richtig:", richtig, "von", len(tatsaechlich))
print("Genauigkeit:", genauigkeit, "%")
# Ändern Sie das vierte Teil in vorhergesagt auf "ok" und drücken Sie Run.
# Was passiert mit der Genauigkeit?
Zwei Arten von Fehlern kosten verschieden viel
Ein falsches Ergebnis ist von einer von zwei Arten.
Ein Fehlalarm meldet einen Defekt, wo keiner ist. Ein gutes Teil wird aussortiert. Das kostet ein wenig Geld.
Ein verpasster Fall übersieht einen echten Defekt. Das Teil geht zum Kunden und kommt als Reklamation zurück.
Die Genauigkeit zählt beide gleich. Schauen Sie deshalb immer auch auf die beiden Fehlerarten einzeln.
Die vier Arten von Ergebnis
| Vorhergesagt | In Wirklichkeit | Name | Richtig? |
|---|---|---|---|
| defekt | defekt | Treffer | Ja |
| ok | ok | Zu Recht durchgelassen | Ja |
| defekt | ok | Fehlalarm | Nein |
| ok | defekt | Verpasster Fall | Nein |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein häufiger Irrtum
Warnung
Viele denken: Hohe Genauigkeit heißt gutes Modell. Bei seltenen Fällen stimmt das nicht. Bei 2 Defekten in 100 Teilen erreicht „immer in Ordnung“ schon 98 Prozent. Zählen Sie bei seltenen Fällen die verpassten Fälle mit.
Zwei Modelle, 1000 Teile, 20 davon defekt
| Modell | Richtig | Genauigkeit | Defekte gefunden |
|---|---|---|---|
| Sagt immer „ok“ | 980 | 98 % | 0 von 20 |
| Ein trainiertes Modell | 960 | 96 % | 17 von 20 |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.