Detectienauwkeurigheid

Detectienauwkeurigheid is een statistische maatstaf die aangeeft hoe vaak een detector of classificatiemodel correcte uitkomsten oplevert. Voor binary detection/klassificatie is de nauwkeurigheid gedefinieerd als het percentage correcte voorspellingen ten opzichte van het totale aantal voorspellingen. In termen van de confusion matrix wordt dit weergegeven als (TP + TN) / (TP + FP + FN + TN), waarbij TP staat voor true positives, TN voor true negatives, FP voor false positives en FN voor false negatives. De maat geeft een algemene indruk van prestatie, maar kan misleidend zijn bij scheve klassenverdelingen.

In veel toepassingen van detectie zijn andere maatstaven relevanter. Bij objectdetectie of incidentdetectie worden precisie, recall en F1-score vaak gebruikt, en in objectdetectie typisch mean average precision (mAP) om zowel detectie als lokalisatie te beoordelen. Detectienauwkeurigheid is daarom vooral nuttig als de klassen normaal verdeeld zijn en de kosten van FP en FN vergelijkbaar zijn.

Aandachtspunten en verbeteringen: zorg voor een representatieve testset, voorkom datalekkage, en wees voorzichtig met algehele nauwkeurigheid bij class-imbalances. Threshold-afstelling kan de balans tussen FP en FN beïnvloeden. Het gebruik van complementaire metrics en calibratie kan helpen om een genuanceerder beeld te krijgen.

Toepassingsgebieden omvatten medische beeldvorming, fraudedetectie, kwaliteitscontrole en automatisch toezicht. Een hoge detectienauwkeurigheid op een vertekende dataset zegt meestal weinig over echte prestaties in de praktijk.