Klassifikationsfehler

Die Artikel Irrtumswahrscheinlichkeit und Falschklassifikationsrate überschneiden sich thematisch. Hilf mit, die Artikel besser voneinander abzugrenzen oder zu vereinigen. Beteilige dich dazu an der Diskussion über diese Überschneidungen. Bitte entferne diesen Baustein erst nach vollständiger Abarbeitung der Redundanz. Nichtich 00:52, 6. Dez. 2007 (CET)

Werden bei einer Klassifizierung durch einen Klassifikator Objekte in eine Klasse eingeordnet, der sie nicht zugehörig sind, spricht man von einer Fehl- oder Falschklassifikationsrate. Beispiele sind ein Falschalarm, eine Fehlurteil oder eine Fehldiagnose. Der Klassifikationsfehler oder die Falschklassifikationsrate eines Verfahrens kann angegeben werden als prozentualer Anteil der Objekte, die falsch klassifiziert werden. Der restliche Anteil entspricht der Korrektklassifikationsrate (englisch: accuracy).

Legt man eine Wahrheitsmatrix (englisch: confusion matrix) zugrunde, so entspricht die Korrektklassifikationsrate der Wahrscheinlichkeit

${P(\mathrm{richtig\ klassifiziert})}=\frac{\mathrm{richtig\ positive}+\mathrm{richtig\ negative}}{\mathrm{richtig\ positive}+\mathrm{falsch\ positive}+\mathrm{richtig\ negative}+\mathrm{falsch\ negative}}$

und die Falschklassifikationsrate der Wahrscheinlichkeit

${P(\mathrm{falsch\ klassifiziert})}=\frac{\mathrm{falsch\ positive}+\mathrm{falsch\ negative}}{\mathrm{richtig\ positive}+\mathrm{falsch\ positive}+\mathrm{richtig\ negative}+\mathrm{falsch\ negative}}.$

Die Korrekt- und die Falschklassifikationsrate addieren sich dann zu 100%.

Die Brauchbarkeit eines Klassifikators hängt nicht nur von seiner Korrekt- bzw. Falschklassifikationsrate, sondern oft von weiteren voneinander abhängenden Kenngrößen wie der Sensitivität, Spezifität, Relevanz und Segreganz ab. Je nach Einsatzgebiet kann eine Falschklassifikation mehr- oder weniger schlimme Folgen haben.

Siehe auch

• p-Wert
• Beurteilung eines Klassifikators