Materiały konferencyjne SEP 2025

12 Macierz błędów (Tabela 1) przedstawia wyniki klasyfikacji obu modeli. Wartość TP (True Positive) oznacza liczbę przypadków klasy pozytywnej (1), które zostały poprawnie sklasyfi- kowane jako pozytywne. Dla Modelu 1 wynosi ona 20 489, a dla Modelu 2 – 44 613. TN (True Negative) to liczba przypadków klasy negatywnej (0), poprawnie sklasyfikowanych jako nega- tywne. Dla Modelu 1 wynosi 65 126, a dla Modelu 2 – 134 020. FP (False Positive) odnosi się do liczby przypadków klasy negatywnej (0), które zostały błędnie sklasyfikowane jako pozy- tywne (1), i wynosi 2 339 w przypadku Modelu 1 oraz 755 dla Modelu 2. Natomiast FN (False Negative) oznacza liczbę przypadków klasy pozytywnej (1), które zostały błędnie sklasyfiko- wane jako negatywne (0). W Modelu 1 jest ich 2 046, a w Modelu 2 – 612. Dane wskazują, że Model 2 jest bardziej skuteczny, ponieważ liczba błędnych klasyfikacji (FP i FN) jest w nim znacząco mniejsza, a liczba poprawnych klasyfikacji (TP i TN) większa w porównaniu do Mo- delu 1. Tabela 2. Metryki opisujące wynik klasyfikacji za pomocą algorytmu Random Forest Table 2. Metrics describing the classification results using the Random Forest algorithm Metryka Model 1 Model 2 Dokładność 0,951277778 0,992405556 F-1 dla klasy 0 0,967430944 0,994925893 F-1 dla klasy 1 0,903335317 0,984910534 Średnia F1 0,935383131 0,989918213 Średnia ważona F1 0,951382111 0,992409534 Dane (Tabela 2.) przedstawiają metryki klasyfikacji dwóch modeli: Modelu 1 i Modelu 2. Do- kładność, która określa stosunek poprawnych klasyfikacji do wszystkich przypadków, wynosi 0,951 dla Modelu 1 oraz 0,992 dla Modelu 2, co wskazuje na wyższą skuteczność Modelu 2. F1-score dla klasy 0, będący miarą równoważącą precyzję i czułość dla klasy negatywnej (0), wynosi 0,967 dla Modelu 1 oraz 0,995 dla Modelu 2, co wskazuje na lepsze przewidywanie klasy 0 w Modelu 2. F1-score dla klasy 1, który odnosi się do klasy pozytywnej (1), wynosi 0,903 dla Modelu 1 oraz 0,985 dla Modelu 2, co również potwierdza przewagę Modelu 2. Średnia F1, czyli średnia arytmetyczna F1-score dla obu klas, wynosi 0,935 dla Modelu 1 oraz 0,990 dla Modelu 2, co wskazuje na bardziej zrównoważoną skuteczność Modelu 2. Średnia ważona F1, uwzględniająca liczebność klas, wynosi 0,951 dla Modelu 1 i 0,992 dla Modelu 2, co odzwierciedla ogólną wyższą jakość klasyfikacji w Modelu 2.