Класс точности штангенциркуля 1 или 2
Штангенциркуль классификация и применение
Штангенциркули. Виды. Устройство. Измерения.
При производстве строительных работ или мелкого ремонта часто требуются измерительные инструменты. Обычно ими являются линейки или рулетки. Но при измерении диаметра трубы или глубины отверстия эти инструменты не подходят. Для таких целей служат более точные измерительные приборы – штангенциркули.
Такой прибор является универсальным. С его помощью можно измерить внешние и внутренние размеры деталей. Штангенциркули приобрели широкую популярность в быту, так как он имеет простое устройство и удобен в пользовании. С помощью такого прибора можно быстро и легко произвести измерение с высокой точностью.
Устройство штангенциркуля
1 — Губки для внутренних измерений
2 — Губки для наружных измерений
3 — Зажимной винт
4 — Подвижная рамка
5 — Нониус
6 — Штанга
7 — Шкала штанги
8 — Глубинометр
У всех аналогичных штангенциркулю инструментов имеется измерительная штанга, благодаря которой прибор получил такое название. На штанге имеется основная шкала, которая необходима при измерении в первую очередь.
Подвижная рамка с нанесенной шкалой имеет возможность перемещаться по штанге. Шкала на штанге называется нониусом, который имеет более точную разметку по долям делений. Это обеспечивает повышенную точность измерений. Степень точности штангенциркуля в зависимости от исполнения может достигать сотых долей миллиметра.
Штангенциркули имеют губки двух видов:
• Для измерения внутренних размеров.
• Для измерения наружных размеров.
Также имеется еще один измерительный элемент прибора, который называется глубиномером. С помощью него можно измерить глубину отверстий и другие размеры.
Цифровые штангенциркули устроены аналогичным образом. Однако вместо нониуса применяется цифровая шкала, повышающая удобство применения и точность измерения прибором.
1 — Зажимной винт
2 — Батарейка
3 — Ролик изменения длинны
4 — Обнуление
5 — Вкл/Выкл
6 — Переключение мм/дюймы
Как и все измерительные приборы, цифровые приборы оснащены шкалой с ценой деления 0,01 мм. Допустимой погрешностью считается отклонение результата измерения в меньшую или большую сторону на 10%. В промышленности все измерительные инструменты каждые полгода подвергаются метрологическому контролю.
В торговой сети продаются штангенциркули, упакованные в футляре. При приобретении инструмента рекомендуется осмотреть измерительные губки. Они должны быть ровными, и при их сжатии не должно быть просвета.
Шкала нониуса при сомкнутых губках должна находиться в нулевом положении. Линии отметки делений шкалы по нониусу должны быть нанесены четко. В комплект прибора должен входить паспорт с отметкой о произведенной поверке на точность.
Виды и особенности
Основные виды штангенциркулей:
Существует несколько подвидов различных штангенциркулей в зависимости от размеров, конструктивных особенностей и принципа действия. Ниже рассмотрим основные разновидности таких измерительных приборов.
ШЦ-I Нониусный
Это наиболее простая и популярная модель прибора, которая широко используется в промышленном производстве. Отсчет показаний ведется по шкале нониуса. Его называют «колумбиком» по названию фирмы изготовителя, которая производила инструмент в военное время (Columbus).
Прибором можно измерить внутренние, наружные размеры, глубину. Интервал измерений составляет от 0 до 150 мм. Точность измерений достигает 0,02 мм.
ШЦЦ-I
Эта цифровая модель измерительного инструмента с жидкокристаллическим дисплеем имеет аналогичную конструкцию классического штангенциркуля. Интервал измерений 0-150 мм. Одним из его преимуществ можно назвать более высокую точность показаний при измерении за счет наличия цифрового дисплея.
Удобство использования такого цифрового прибора заключается в том, что в любой точке измерения можно обнулить индикатор. Также легко одной кнопкой можно переключать метрическую систему на дюймовую.
При покупке цифровой модели необходимо обратить внимание на наличие нулевых показаний при сведенных губках, а также при затянутом стопорном винте цифры на дисплее не должны прыгать.
ШЦК-I
В такой конструкции штангенциркуля присутствует поворотный индикатор с круглой шкалой, цена деления которой 0,02 мм. Такими штангенциркулями удобно пользоваться при частых измерениях на производстве. Стрелка индикатора хорошо видна для быстрого контроля результата, не имеет скачков, в отличие от цифровых моделей при этом хорошо видна и не требуется производить вычисления как на нониусных инструментах. Этим прибором особенно удобно пользоваться в отделе технического контроля для замеров аналогичных типовых размеров.
ШЦ-II
Такие линейки используются для измерения внутренних и наружных размеров, а также для работ по разметке деталей перед обработкой. Поэтому на их губках имеются насадки, выполненные из твердого сплава для защиты их от быстрого износа. Интервал измерения серии приборов ШЦ-II находится в пределах 0-250 мм и точностью измерения 0,02 мм.
ШЦ-III и ШЦЦ-III
Большие детали измеряются чаще всего такой моделью инструмента, так как точность измерений у него выше остальных моделей и составляет 0,02 мм для механических приборов, и 0,01 мм для цифровых.
Наибольший размер для измерения составляет 500 мм. Губки в таких моделях направлены вниз, и могут иметь длину до 300 мм. Это дает возможность производить измерения деталей в широких пределах.
Штангенциркули специального назначения
Коротко рассмотрим несколько специализированных моделей штангенциркулей, предназначенных для специальных видов работ. В торговой сети такие приборы появляются довольно редко.
• ШЦЦТ – применяется для замеров труб, его называют трубным штангенциркулем.
• ШЦЦВ — для измерения внутренних размеров, имеет цифровой дисплей.
• ШЦЦН – модель, аналогичная предыдущему прибору, служит для измерения наружных размеров.
• ШЦЦУ — универсальный цифровой измеритель, в комплект входит комплект насадок для труднодоступных измерений: межцентровых расстояний, стенок труб, наружных и внутренних размеров и т.д.
• ШЦЦД – прибор для измерения толщины тормозных дисков и деталей с наличием различных выступов.
• ШЦЦП — штангенциркуль применяется для измерения глубины протектора шин автомобилей.
• ШЦЦМ – штангенциркуль, предназначенный специально для замеров межцентровых расстояний.
Правила пользования штангенциркулем
-
- Проверить инструмент. Для этого губки штангенциркуля свести вместе и проверить точность их смыкания на наличие между ними просвета.
- Инструмент взять в правую руку, а измеряемую деталь в левую руку.
- Для измерения внешнего размера детали, необходимо развести нижние губки инструмента и расположить между ними контролируемую деталь. При этом следует быть осторожным, так как края губок острые, и можно получить травму при неаккуратном обращении с инструментом.
- Губки штангенциркуля сжать до соприкосновения с деталью. Если материал изготовления детали имеет мягкую структуру, то сильное сжатие губок приведет к неточности измерения. Поэтому губки необходимо сдавливать осторожно, только до соприкосновения с поверхностью детали. Для передвижения рамки штангенциркуля используют большой палец руки.
- Проверить расположение губок относительно детали. Они должны находиться на равном расстоянии от краев детали, наличие перекосов инструмента не допускается.
- Зафиксировать винт, предназначенный для зажима подвижной рамки. Это позволяет сохранить положение рамки для точных результатов измерения. Затягивать винт целесообразно большим и указательным пальцем, одновременно этой же рукой удерживать инструмент в одном положении, чтобы не сдвигать его для обеспечения точности измерения.
- Отложить деталь в сторону, а зафиксированный штангенциркуль без детали взять для снятия результатов замера.
- Этап снятия показаний инструмента является очень важным, так как неточность при измерении может привести к серьезным последствиям на производстве.
Штангенциркуль расположить прямо перед глазами.
1 — Шкала штанги
2 — 21 деление
3 — Шкала нониуса
На рисунке изображен порядок измерения. Слева показаны губки для внешних замеров с измеряемой деталью, а справа изображены шкалы: нониусная и основная. Их деления и определят результат измерения.
— Сначала необходимо подсчитать количество целых миллиметров. Для этого нужно найти на шкале штанги деление, которое находится наиболее близко к нулю нониуса. Это деление указано первой верхней стрелкой красного цвета. В нашем случае эта величина равна 13 мм. Это значение необходимо запомнить, либо записать.
— Далее нужно вычислить доли миллиметра. Для этого на шкале нониуса надо найти деление, совпадающее с делением на шкале штанги. Это деление на рисунке показано второй красной стрелкой.
— Далее необходимо определить номер деления по порядку, для нашего случая получается 21.
— Затем нужно это число умножить на цену деления шкалы нониуса. В нашем примере цена деления 0,01 мм.
— Теперь необходимо подсчитать точную величину измерения, определенного штангенциркулем. Для этого нужно сложить целое число с долями миллиметра. В результате получается 13,21 мм.
- По окончании работы с инструментом очистить его, ослабить винт, сомкнуть губки и положить в чехол. Если инструмент будет долго храниться, то рекомендуется обработать его антикоррозийным раствором.
При наличии циферблатного или цифрового штангенциркуля процесс измерения становится намного проще, так как рассчитывать ничего не нужно, готовый результат будет виден на дисплее или на циферблате.
|
|
Штангенциркуль ШЦ-I. Паспорт | PRO-TechInfo
Назначение.
Штангенциркуль ШЦ-I с двусторонним расположением губок предназначен для измерения наружных и внутренних размеров, а также для измерения глубин. Применяется для измерений, не требующих высокой точности, абсолютным методом. Допускается оснащать штангенциркули приспособлениями или вспомогательными измерительными поверхностями для расширения функциональных возможностей (измерения высот, уступов и др.). Наружные измерения производятся с помощью нижних губок, внутренние – с помощью “острых” губок, глубина – с помощью глубиномера.
Пример условного обозначения штангенциркуля типа I с диапазоном измерения 0-150 мм и значением отсчета по нониусу 0,1 мм, класса точности 1:
Штангенциркуль ШЦ-I-150-0,1-1
Технические характеристики.
Штангенциркули изготавливаются из углеродистой или нержавеющей стали, с дюймовой и метрической шкалой. Штангенциркули изготавливаются двух типов по виду стопорения: со стопорным винтом и курковым механизмом. Штангенциркули ШЦ-I по ISO 9002 изготавливаются из углеродистой с хромовым покрытием и нержавеющей стали, со значением отсчёта по нониусу 0,05 мм и 0,1 мм, 1 и 2 классов точности, с дюймовой и метрической шкалами. Твёрдость измерительных поверхностей инструментальной и конструкционной стали не менее 51,5 HRC.
Технические характеристики приведены в таблице 1.
Таблица 1 — Технические характеристики штангенциркулей ШЦ-I
Модель | Пределы измерения, мм (дюйм) | Цена деления нониуса, мм (дюйм) | Погрешность измерений, мм | Габариты, мм | Масса, кг | |
I класс | II класс | |||||
ШЦ-I-125-0,1 | 0-125 (0-5”) | 0,1 (1/128”) | ±0,05 | ±0,1 | 205×80×15 | 0,14 |
ШЦ-I-125-0,02 | 0-125 | 0,02 | ±0,02 | — | 205×80×15 | 0,14 |
ШЦ-I-125-0,05 | 0-125 (0-5”) | 0,05 (0,001”) | ±0,05 | — | 205×80×15 | 0,14 |
ШЦ-I-150-0,1 | 0-150 (0-6”) | 0,1 (1/128”) | ±0,05 | ±0,1 | 235×80×15 | 0,17 |
ШЦ-I-150-0,02 | 0-150 | 0,02 | ±0,02 | — | 235×80×15 | 0,17 |
ШЦ-I-150-0,05 | 0-150 (0-6”) | 0,05 (0,001”) | ±0,05 | — | 235×80×15 | 0,17 |
ШЦ-I-200-0,1 | 0-200 (0-8”) | 0,1 (1/128”) | ±0,05 | ±0,1 | 285×95×15 | 0,41 |
ШЦ-I-200-0,02 | 0-200 | 0,02 | ±0,02 | — | 285×95×15 | 0,41 |
ШЦ-I-200-0,05 | 0-200 (0-8”) | 0,05 (0,001”) | ±0,05 | — | 285×95×15 | 0,41 |
ШЦ-I-250-0,1 | 0-250 (0-10”) | 0,1 (1/128”) | ±0,05 | ±0,1 | 335×110×15 | 0,55 |
ШЦ-I-250-0,02 | 0-250 | 0,02 | ±0,02 | — | 335×110×15 | 0,55 |
ШЦ-I-250-0,05 | 0-250 (0-10”) | 0,05 (0,001”) | ±0,05 | — | 335×110×15 | 0,55 |
Условия эксплуатации.
3.1. Температура рабочего пространства в процессе измерения должна быть (20±15)˚С.
3.2. Относительная влажность воздуха не более 80% при температуре 25˚С.
3.3. Содержание в окружающей среде агрессивных газов и паров не допускается.
Комплектность.
В комплект прибора входят:
- штангенциркуль;
- футляр;
- паспорт.
Устройство и принцип работы.
5.1. Штангенциркуль имеет две шкалы и микровинтовое устройство для тонкой регулировки рамки. Основная шкала нанесена на штанге с делениями через 1 мм, вторая шкала – на нониусе, который закреплен на рамке. Фиксация рамки производится при помощи стопорного винта. Плавное перемещение рамки обеспечивается пружиной, расположенной внутри рамки.
5.2. Наружные размеры измеряются при помощи нижних губок. Верхние губки применяются для измерения внутренних размеров. Для разметочных работ используются обе пары губок.
5.3. Отсчет размеров производится методом непосредственной оценки совпадения деления шкалы с делениями нониуса.
Рис.1. Схема измерения
5.4. Измерение с помощью штангенциркуля различных элементов конструкции (диаметров отверстия или вала, межцентрового расстояния, глубины отверстия и т.п.) проводят следующим образом: при отстопоренном винте 5 перемещают по штанге 1 нониус 6, приводят в соприкосновение с поверхностями измеряемых деталей измерительные поверхности штанги и нониуса 2 и 3 или соединенного с нониусом измерительного стержня 7. В этом положении необходимо застопорить рамку нониуса 6 винтом 5 и снять отсчет со шкалы прибора.
Указание мер безопасности.
Во избежание травматизма не проводить измерения на ходу станка, при движении режущего инструмента и при вращении измеряемой детали.
Подготовка к работе.
7.1. Ознакомиться перед началом работы с паспортом на штанген-циркуль.
7.2. Протереть штангенциркуль, удалить смазку ветошью, смоченной в бензине (особенно тщательно с измерительных поверхностей), насухо протереть тканью.
7.3. Проверить установку нониуса на ноль. При необходимости совместить нулевые штрихи шкал и нониуса.
Порядок работы и техническое обслуживание.
8.1. В процессе работы и по окончании ее протирать штангенциркуль салфеткой, смоченной в водно-щелочном растворе СОЖ, а затем насухо чистой салфеткой.
8.2. По окончании работы нанести на поверхности штангенциркуля тонкий слой любого технического масла и поместить в футляр.
8.3. В процессе эксплуатации не допускать грубых ударов или падения во избежание изгибов штанги и других повреждений, царапин на измерительных поверхностях, трения измерительных поверхностей об контролируемую деталь.
Правила хранения.
9.1. Хранить штангенциркуль в футляре в сухом отапливаемом помещении при температуре воздуха от +5 до +40˚С и относительной влажности не более 80% при температуре +20˚С.
9.2. При длительном хранении изделия, во избежание возникновения коррозии помимо смазки штангенциркуля маслом, его необходимо завернуть в бумагу с водоотталкивающей пропиткой.
9.3. Воздух в помещении не должен содержать примесей агрессивных паров и газов.
Методы и средства поверки.
10.1. Поверка штангенциркуля должна производиться методами и средствами, указанными в ГОСТ 8113 и МИ 1384.
10.2. Межповерочный интервал устанавливается потребителем в зависимости от интенсивности эксплуатации штангенциркуля.
Сведения о консервации.
11.1. Штангенциркуль подвергнут консервации в соответствии требованиям ГОСТ 9014-76. Наименование и марка консерванта – масло консервационное К-17.
11.2. Срок хранения прибора без переконсервации – 2 года, при условии хранения в условиях по ГОСТ 15150-69.
Гарантийные обязательства.
Гарантийный срок эксплуатации изделия – 1 год, со дня продажи (получения покупателем) прибора, при условии соблюдения потребителем правил хранения и эксплуатации прибора.
Скачать технический паспорт бесплатно можно по ссылке ниже.
Формат: Doc.
Штангенциркуль ШЦ-1. Паспорт
Искать все виды документовДокументы неопределённого видаISOАвиационные правилаАльбомАпелляционное определениеАТКАТК-РЭАТПЭАТРВИВМРВМУВНВНиРВНКРВНМДВНПВНПБВНТМ/МЧМ СССРВНТПВНТП/МПСВНЭВОМВПНРМВППБВРДВРДСВременное положениеВременное руководствоВременные методические рекомендацииВременные нормативыВременные рекомендацииВременные указанияВременный порядокВрТЕРВрТЕРрВрТЭСНВрТЭСНрВСНВСН АСВСН ВКВСН-АПКВСПВСТПВТУВТУ МММПВТУ НКММПВУП СНЭВУППВУТПВыпускГКИНПГКИНП (ОНТА)ГНГОСТГОСТ CEN/TRГОСТ CISPRГОСТ ENГОСТ EN ISOГОСТ EN/TSГОСТ IECГОСТ IEC/PASГОСТ IEC/TRГОСТ IEC/TSГОСТ ISOГОСТ ISO GuideГОСТ ISO/DISГОСТ ISO/HL7ГОСТ ISO/IECГОСТ ISO/IEC GuideГОСТ ISO/TRГОСТ ISO/TSГОСТ OIML RГОСТ ЕНГОСТ ИСОГОСТ ИСО/МЭКГОСТ ИСО/ТОГОСТ ИСО/ТСГОСТ МЭКГОСТ РГОСТ Р ЕНГОСТ Р ЕН ИСОГОСТ Р ИСОГОСТ Р ИСО/HL7ГОСТ Р ИСО/АСТМГОСТ Р ИСО/МЭКГОСТ Р ИСО/МЭК МФСГОСТ Р ИСО/МЭК ТОГОСТ Р ИСО/ТОГОСТ Р ИСО/ТСГОСТ Р ИСО/ТУГОСТ Р МЭКГОСТ Р МЭК/ТОГОСТ Р МЭК/ТСГОСТ ЭД1ГСНГСНрГСССДГЭСНГЭСНмГЭСНмрГЭСНмтГЭСНпГЭСНПиТЕРГЭСНПиТЕРрГЭСНрГЭСНсДИДиОРДирективное письмоДоговорДополнение к ВСНДополнение к РНиПДСЕКЕНВиРЕНВиР-ПЕНиРЕСДЗемЕТКСЖНМЗаключениеЗаконЗаконопроектЗональный типовой проектИИБТВИДИКИМИНИнструктивное письмоИнструкцияИнструкция НСАМИнформационно-методическое письмоИнформационно-технический сборникИнформационное письмоИнформация |
устройство и принцип работы, шкала измерения, классы точности и виды
Среди прочих представителей ручного измерительного инструмента штангенциркуль отличается такими качествами, как универсальность и широкий диапазон измеряемых величин, простота в использовании, высокая точность измерений. Пользователями штангенциркуля являются представители многих профессий — токари и фрезеровщики, слесари и столяры, мастера и техники, конструкторы, технологи, контролеры и другие.
Из истории инструмента
Историю этого инструмента показательно рассматривать в контексте истории металлообработки и одного из направлений ее развития — токарного дела. Исторический период 15−18 веков характеризуется чередой научных открытий и практическим внедрением этих открытий во всех отраслях экономики этого периода.
Применение математического подхода в астрономии расширило горизонты морской навигации, эпоха Великих географических открытий подняла на новый уровень объем торговли и промышленного производства. Мелкотоварное производство уступило место мануфактурному, а промышленная революция 18−19 веков окончательно установила переход к массовому применению машин и индустриализации.
Хронология событий
Для наглядности можно представить хронологию этих событий, включающую ключевые точки появления штангенциркуля:
- Начало XVI века — токарные станки применяются в основном для обработки дерева, кости и мягких металлов. Привод, хотя и усовершенствованный с древних времен, по-прежнему ручной или ножной, так же, как и резец, остается в руках мастера. Вехой можно считать появление стального центра и люнета для крепления заготовки.
- К этому же периоду относится имеющая прямое отношение к штангенциркулю попытка португальского математика Педро Нуньеша создать прибор для точного измерения углов с помощью набора деленных на равные части концентрических окружностей. Целью являлась не металлообработка, а насущные проблемы навигации. До изготовления и практического применения прибора дело не дошло, но направление мысли не осталось незамеченным.
- К середине XVI века токарные станки оснастили механическим приводом от водяного колеса, что позволило приступить к обработке резанием стали. В это время в мастерских появились первые образцы современного штангенциркуля — деревянные линейки с передвижными измерительными губками и нанесенной шкалой для прямого измерения. Вернувшись к Микеланджело, отметим, что именно циркуль явился прообразом штангенциркуля — замеры деталей выполнялись ножками циркуля, а величину определяли по линейке. Очевидно, нашелся мастер, упростивший эту процедуру, совместив оба инструмента в одном и сократив измерение до одной операции.
- В 1631 году математик из Бургундии Пьер Верньер закончил начатое Нуньешем дело, доработав его мысль и адаптировав ее технически в квадранте для измерения угловых величин. Созданная им дополнительная измерительная шкала тут же широко шагнула во многие направления измерений, получив при этом названия в честь обоих ученых — «нониус» или «верньер». При этом в металлообработке в основном используют понятие нониус, верньер более распространен в приборной и радиотехнической отрасли.
- Результатом постоянного совершенствования на отрезке более ста лет стало оснащение к началу XVIII века токарного станка суппортом для жесткого крепления резца, механизмами продольной и поперечной подачи. Токаря уже имели в своем распоряжении мерительный инструмент с нониусной шкалой, позволяющей обеспечить соответствующее качество изготовления.
- К концу XVIII века появился на свет универсальный токарный станок, принцип устройства и работы которого мало в чем изменился по сегодняшний день. С этим периодом связано и появление понятий стандартизации и унификации продукции и мерительного инструмента, единой системы измерения.
Происхождение названия
К истории штангенциркуля можно добавить немного интересной информации о его названии.
В русском языке за инструментом по каким-то причинам закрепилось название с немецкими корнями — «штанга» и «циркуль». Обиходным среди специалистов для образца ШЦ-I является термин «колумбик», прижившийся с советских времен по имени компании «Колумбус», массово поставлявшей измерительную технику в нашу страну.
В Германии под названием Stangenzirkel используют инструмент, более соответствующий переводу — разметочный штанговый циркуль. Аналоги российского штангенциркуля выпускаются под названием Messchieber — раздвижной измеритель или Schieblehre — измерительная линейка.
Во многих языках название инструмента является производным от слова «калибр», что подчеркивает высокую точность измерения. В качестве примера можно привести английский calliper, испанский calibrador, итальянский calibro a corsoio (калибр кулисного камня — элемента шатунного механизма). Английский штангенциркуль имеет еще одно название — trammel, переводимый также как препятствие, трал или невод.
Простота и надежность штангенциркуля
Прежде чем приступить к подробному рассмотрению устройства штангенциркуля и работе с ним, следует отметить несколько важных и общих для различных видов измерительного инструмента требований. Это поможет более точно определить место и область использования штангенциркуля в системе измерений:
- Погрешность измерительного инструмента составляет примерно половину цены деления его шкалы.
- Допуск на измеряемую величину определяет выбор измерительного инструмента.
- Наибольшая цена деления измерительного инструмента должна быть примерно в 3 раза меньше допуска.
Стандартными для наиболее распространенных типов инструмента ШЦ-I и ШЦ-II установлены цены деления 0,1 и 0,05 мм. Следовательно, если изготовление детали включает контрольную операцию, этими штангенциркулями можно контролировать размеры с допуском не менее 0,3 и 0,15 мм соответственно.
Устройство и виды
Инструмент состоит из следующих основных частей:
- Штанга с односторонними или двусторонними губками и нанесенной основной шкалой с ценой деления 1 мм. Обе конструкции предназначены для измерения и наружных, и внутренних размеров деталей. Губки, как правило, изготовлены из твердосплавного материала.
- Передвигаемая по штанге каретка с ответным губками и нониусной шкалой. К каретке может быть прикреплен стержень глубиномера.
Наиболее распространенными являются штангенциркули типа ШЦ-I и ШЦ-II с интервалом измерений 0−150 и 0−250 мм соответственно. Модель ШЦ-III предназначена для измерения деталей с размерами до 500 мм, вылет губок составляет до 300 мм. По типу снятия показаний различают механические, индикаторные и цифровые штангенциркули.
Шкала штанги позволяет определить целую часть измеряемого размера. Измерение дробной части и ее точность определяется наличием и ценой деления нониусной шкалы.
Принцип определения основан на простых математических и геометрических правилах кратности и пропорциональности. Как правильно пользоваться штангенциркулем, можно рассмотреть на примере образца с классом точности 0,05 мм.
Работа со шкалой
Нулевому размеру соответствуют совмещенные деления 0 обеих шкал. Значению 10 нониусной шкалы соответствует значение 39 основной шкалы, при этом она включает в себя 20 делений.
Деление 10 нониуса соответствует значению 39 основной, можно сказать, что она смещена влево на 1,00 мм от деления 40. По правилам геометрической пропорции риска 9,5 нониуса смещена на 0,95 мм от риски 38, далее соответственно и пропорционально: риска 9,0 — на 0,90 мм от риски 36, средняя риска 5,0 нониуса сдвинута влево 0,5 мм от риски 20, и, наконец, деление 0,5 сдвинуто влево на 0,05 мм от деления 2.
При сдвиге каретки вправо в диапазоне от 0 до 1 мм на долю 0,05 мм риски обеих шкал будут последовательно совмещаться: если зазор между губками 0,05 мм — риска 0,05 совпадает с риской 2 мм, зазор 0,10 мм — 1,00 нониуса совмещается с риской 4 мм основной, зазор 1,00 мм — 10 нониуса совмещается с риской 40.
Например, нужно измерить несколько проволочек диаметром до 1 мм. Диаметр проволоки 0,05 мм, если деление 0,05 нониуса наиболее точно совпало с одним из делений основной шкалы. Если риски 0 и 10 нониусной шкалы точно совпали с рисками основной шкалы — проволока имеет диаметр 1,00 мм.
Техника измерения ничем не отличается для размеров более 1 миллиметра — целая часть размера определяется по основной шкале, к ней добавляется дробная, определенная по описанному способу. Приведем несколько примеров подобных замеров.
Практические примеры
Качество измерения зависит как от индивидуальной квалификации специалиста, так и от способности человеческого глаза оценивать объект измерения. Именно по этой причине класс точности штангенциркулей ограничен делением 0,05 мм — более мелкая нониусная шкала с трудом воспринимается зрением и может привести к ошибке. Хотя бывают и штангенциркули повышенной точности — до 0,02 мм. Основная шкала этого прибора имеет цену деления 0,05 мм.
Примеры измерений:
- Замер наружного диаметра втулки. Целое число делений основной шкалы — 33, совпавшей риской нониуса считаем 0,05. Наружный диаметр втулки 33,05 мм.
- Замер внутреннего диаметра втулки. Результат — 27,30 мм.
- Проверка осуществляется замером толщины стенки — 2,80 мм. Пересчет по двум первым замерам дает (33,05−27,30)/2=2,90 мм.
- Замер высоты втулки губками инструмента — 40,40 мм.
- Замер высоты глубиномером — 40,40 мм.
Чем объясняется полученная погрешность 0,05 при замере толщины стенки? Можно назвать три причины:
- погрешность инструмента;
- качество изготовления детали. У втулки при отрезке не сняты заусенцы, что привело к недостоверному результату при замере внутреннего диаметра, а результат замера должен заставить токаря исправить это отклонение;
- третья причина точно сформулирована великим творцом Возрождения Микеланджело: «Циркуль следует иметь в глазу, а не в руке, ибо рука работает, а глаз судит». Глубиномер при замере можно было установить не строго вертикально, полученный замер получился бы недостоверным.
Инструкция инструмента предписывает простые правила, как правильно измерять штангенциркулем — при замере (в том числе глубины) инструмент должен быть установлен строго вдоль или перпендикулярно оси детали, губки должны быть плотно прижаты к измеряемой поверхности, а каретка зафиксирована винтом.
Для более точных измерений применяются инструменты более высокого класса точности — микрометры и микрометрические нутромеры с винтовой подачей рабочей измерительной головки и круговой шкалой с точностью 0,01 мм.
Доступные всем онлайн-справочники машиностроителя указывают, что установленные выше допуски на размер ±0,3 и ±0,15 мм для валов в диапазоне размеров от 50 до 1000 мм соответствуют квалитетам точности от h8 до h22. По этим квалитетам изготавливают неответственные детали техники и машин — втулки, оси, фланцы, крышки. С помощью штангенциркуля нельзя проточить шейку вала под посадку подшипника с квалитетом к6 и допуском до +0,02 мм.
При изготовлении деталей в пределах 8−12 классов точности применяются и другие модификации и виды штангенциркуля. Штангенглубиномер вместо губок оснащен опорными лапками для установки на края или буртики отверстий. Каретка штангенрейсмаса с установленной чертилкой позволяет использовать его для разметки высотных размеров.
По совокупности своих характеристик штангенциркуль нашел свое место в геральдике и эмблемологии, характеризующих его присутствие на гербах некоторых городов или на эмблемах ведомств и структур как символ технической вооруженности.
Originally posted 2018-04-06 09:29:21.
виды, как пользоваться и считывать результаты
Штангенциркуль – инструмент для снятия точных размеров различных деталей как снаружи, так и внутри, измерения диаметров отверстий, их глубины и др. Пользуются им в различных сферах: ремонт деталей машин и различного оборудования, обработка изделий из разных материалов, строительство и т. д., когда необходимы точные данные, до десятых и даже сотых долей миллиметра. Это устройство позволяет производить такие измерения, в отличие от обыкновенной линейки или рулетки.

Конструкция штангенциркуля
Разобраться в особенностях конструкции этого устройства необходимо для того, чтобы понять, как правильно им пользоваться. Состоит штангенциркуль из следующих деталей.
- Неподвижная планка или линейка (штанга). Она представляет собой основу конструкции. На неё нанесена шкала.
- Подвижная планка, которая может перемещаться вдоль по штанге. На этой планке имеется нониусная шкала. Она позволяет получить очень точные промеры, а именно отсчитывает доли миллиметра.
- Верхние и нижние губки. Это передвигающиеся детали, позволяющие измерять объект, и узнать размеры и снаружи, и внутри. Когда губки точно совмещены, на обеих шкалах должны точно совпадать нулевые отметки.
- Винт стопорный или зажимный. Он требуется для фиксации планки.
- Глубиномер. Тонкая выдвигающаяся планка, при помощи её измеряется глубина.
Электронные измерительные устройства оснащены также аккумуляторами, передвижным механизмом.

Кроме того, существуют модели, в верхней части которых имеется подвижная дюймовая измерительная шкала. Пользоваться ими легко и удобно.
Виды штангенциркулей
Существуют три основных типа таких устройств. Использование их для определённого вида работы обусловлено её особенностями.
- Штангенциркули нониусные или аналоговые. Измерения производятся по нониусной шкале. Эти механические инструменты простые и недорогие. Они наиболее распространены.
- Штангенциркули циферблатные или стрелочные. Для измерения на них вместо шкалы имеется циферблат, который показывает результаты, и не требует проведения вычислений. Стоимость их выше, чем аналоговых моделей. Пользоваться ими несложно.
- Штангенциркули цифровые или электронные. Это устройства, на которых имеются жидкокристаллические цифровые дисплеи с аккумуляторными батареями. Применение таких приборов позволяет получить наиболее точные результаты. Они показывают данные как в миллиметрах, так и в дюймах.

Помимо перечисленных также существуют модели штангенциркулей специального назначения. Их используют для особых работ. К примеру, ШЦЦД, которыми измеряются детали, имеющие выступы, или ШЦЦП – конструкция для измерения протекторного рисунка шин, и др. Эти устройства в обычных магазинах не продаются, их при необходимости можно приобрести на специальных сайтах. Пользуются ими профессиональные мастера.
Все разновидности штангенциркулей имеют свои обозначения в зависимости от особенностей применения.
- ШтангенциркульШЦ-1. Им измеряются детали, их внешние и внутренние размеры с помощью двух пар губок. Им так же можно пользоваться при измерении размеров отверстия, используя глубиномер.
- ШЦ-1С. Такие устройства оснащены стрелочными головками, благодаря чему процесс измерения упрощён.
- ШЦК. Конструкции, имеющие круговую шкалу с пружинным механизмом. Пользоваться им можно для измерений, когда не требуется идеальная точность.
- ШЦТ-I. Устройства, оснащённые губками с твердосплавным покрытием для предупреждения истирания поверхности. Устойчивы к износу, пользоваться ими можно долгое время.
- ШЦ-II. Помимо губок такие устройства имеют также механизм для подачи рамки. Благодаря этому можно наносить разметку.
- ШЦ- III. Этот прибор имеет крупные размеры. Губки на нём односторонние. Для измерения глубины непригоден.
- ШЦЦ. Устройство с цифровой шкалой, с которой снимаются показания.

Каждый тип штангенциркуля изготавливается соответственно действующему в настоящее время ГОСТу 166-89 и имеет соответствующую маркировку.
Порядок измерений
Теперь о том, как работает штангенциркуль. Перед тем как начать пользоваться, необходимо подготовить устройство и измеряемую деталь: очистить поверхность от грязи, чтобы обеспечить максимальную точность. Губки нужно плотно свести и оценить размер просвета между ними. Если конструкция исправна, то он будет минимальный.
Далее подвижную рамку необходимо передвинуть так, чтобы её первая риска совпала с нулевой отметкой на шкале штанги в точности. Если не учесть это и не выполнить, то результаты не будут точными. Если не получается сопоставить эти отметки, то такой штангенциркуль неисправен и пользоваться им не рекомендуется. Лишь убедившись, что конструкция полностью подготовлена, можно начинать работать.
Измерение наружных поверхностей
Когда требуется провести измерение линейного размера, либо наружного диаметра, то последовательность использования инструмента следующая. Прежде всего, губки нужно развести, передвигая рамку. А потом плотно прижать их к противоположным поверхностям детали, которую требуется измерить, и закрепить положение рамки с помощью винта. Если измеряется наружный диаметр детали цилиндрической формы, то её ось должна быть точно перпендикулярна плоскости рамки. Если же измеряется длина детали или изделия, то его продольная ось должна располагаться точно параллельно штанге. Эти условия необходимо соблюдать, пользуясь штангенциркулем, иначе невозможно получить точные результаты.

Измерение внутренних поверхностей
Если нужно произвести измерение диаметра отверстия, то наружные губки должны быть установлены на нуле. Их надо вставить в отверстие, которое требуется измерить. Держать штангенциркуль при этом необходимо ровно. Далее губки нужно до упора развести, так, чтобы они плотно прижались к внутренним стенкам детали. Зафиксировать их положение, пользуясь стопорным винтом. Затем снимаются показания и производятся необходимые вычисления, если использовался нониусный штангенциркуль.

Определение глубины
Чтобы провести замер глубины отверстия, потребуется переместить рамку и выдвинуть глубиномер. Затем вставить его до упора в отверстие, чтобы конец коснулся дна. Он должен быть расположен точно перпендикулярно поверхности измеряемой детали. Прижать к стенке. Штангу переместить в торец также до упора. С помощью стопорного винта зафиксировать положение, и вывести устройство.

Замер резьбовых соединений
Штангенциркулем можно пользоваться для замера резьбовых соединительных деталей – винтов, болтов и др. Показатели диаметров резьбы определяются по выступам. С этой целью измеряемый винт или болт следует установить вертикально и зажать губками. После этого возможно определять нужные показатели.
Если требуется замерить шаг резьбы, пользуясь штангенциркулем, это производится в следующей последовательности. Сначала измеряются высота стержня и внешний диаметр детали. А затем подсчитывается число витков резьбы. Разделив длину стержня на количество витков можно получить показатель шага резьбы.

Считывание результатов
Считать показания результатов, которые получены с помощью штангенциркуля, несложно. На неподвижной рамке (штанге), где расположена основная шкала, определяют целое число (мм). Нониусная шкала показывает сотые доли миллиметра. Нужно найти штрих нониусной шкалы на используемом штангенциркуле, совпавший с определённой цифрой на главной шкале. Этот показатель и будет являться значением размера детали в миллиметрах.
По нониусной шкале
Бывает, что при измерениях достаточно целого показателя. Если же требуется установить значение более точно, то нужно осмотреть нониусную шкалу. А на ней необходимо найти точку совпадения двух рисок. Цифра нониусной шкалы будет означать десятое значение. Сложив её с целым числом, пользователь получит точное значение размера детали.

По часовому индикатору
При использовании циферблатного штангенциркуля также целое число в миллиметрах можно увидеть на главной шкале. Как и на аналоговом устройстве оно определяется совпадением рисок на обеих шкалах. Цифра же, представленная на циферблате, показывает значение от 0,01 до 0,99 мм, это зависит от цены деления шкалы. Стрелочный или циферблатный штангенциркуль — более точное устройство, чем механический (аналоговый). Пользоваться им следует при необходимости получения идеально точных данных.

По цифровому табло
Высокоточные (до сотых долей миллиметров) показания результатов, полученных при работе с цифровым штангенциркулем, представлены на жидкокристаллическом дисплее табло. Необходимо при этом помнить, что на нём имеются разные режимы, показывающие результаты измерения как в миллиметрах, так и в дюймах. Такие приборы также оснащены нониусной шкалой. Ею можно пользоваться, если, к примеру, разрядится аккумулятор.
Как правильно хранить инструмент
Чтобы продлить срок эксплуатации штангенциркуля, его необходимо правильно хранить. Для этого следует использовать специальный футляр. Рекомендуется периодически мягкой тряпочкой протирать поверхность устройства, чтобы убрать загрязнение. При частом применении ему не нужно дополнительных защитных мер. Если же пользоваться им редко, то нужно обрабатывать его машинным маслом. Необходимо избегать воздействия влаги и солнечных лучей и механических повреждений – ударов, царапин и др.

Штангенциркуль – инструмент, который часто требуется профессиональным мастерам и любителям. Если необходимо часто производить измерения, то потребуется приобрести такое устройство. Выбирая нужную модель, пользователю следует руководствоваться особенностями работы, учитывая особенности конструкции и стоимость таких инструментов.
Стандарты точностиCT - Continental Control Systems, LLC
Трансформаторы тока серии Accu-CT ® соответствуют требованиям к точности двух широко используемых стандартов:
- ANSI / IEEE C57.13-2008
- IEC 60044-1 Редакция 1.2
Оба этих стандарта точности ТТ описывают типичный вторичный выход трансформатора тока как 5 ампер или 1 ампер с внешней нагрузкой. Семейства Accu-CT ACT-0750 и ACT-1250 имеют встроенные нагрузочные резисторы и обеспечивают выходное напряжение (номинально 0.33333 В пер. Поправочный коэффициент трансформатора (TCF), точность и пределы фазового угла, указанные в этих стандартах точности ТТ, могут применяться к выходному напряжению серии Accu-CT трансформаторов тока.
C57.13
Стандарт C57.13 имеет разные классы точности: класс 1.2, класс 0.6 и класс 0.3. Каждый из этих классов точности определяет предел для TCF в процентах, поэтому класс 1.2 означает, что TCF TCF должен быть в пределах 1,2% от идеального при 100% номинального первичного тока.
Из-за способа определения TCF результирующие пределы усиления (точности) и пределы фазового угла образуют параллелограмм при нанесении на график, что позволяет допускать большие положительные ошибки фазового угла для значений поправочного коэффициента положительного отношения (RCF) и большие ошибки отрицательного фазового угла для отрицательных значений RCF. Логика, лежащая в основе этого, состоит в том, чтобы ограничить наихудший случай системной ошибки при использовании ТТ в системе измерения с индуктивной нагрузкой, имеющей коэффициент мощности 0,6.
Для серии Accu-CT мы предлагаем три класса:
Класс 1.2 (Стандарт)
ТТ стандартного класса соответствует ограничениям класса точности 1.2 IEEE C57.13, а также более жестким ограничениям по точности и фазовому углу, которые не требуются C57.13.
- TCF: ± 1,2% при 100% и 120% номинального первичного тока
- TCF: ± 2,4% при 10% номинального первичного тока
Расширенные пределы, не требуемые C57.13
- TCF: ± 2,4% при 1% номинального первичного тока
- Точность: ± 0.75% от 1% до 120% номинального первичного тока
- Фазовый угол: ± 0,50 градуса (30 минут) от 1% до 120% номинального тока
Класс 0,6
Более высокий класс точности «Opt C0.6» соответствует ограничениям класса точности IEEE C57.13 0,6, а также более жестким ограничениям по точности и фазовому углу, которые не требуются C57.13.
- TCF: ± 0,6% при 100% и 120% номинального первичного тока
- TCF: ± 1,2% при 10% номинального первичного тока
Расширенные пределы, не требуемые C57.13
- TCF: ± 1,2% при 1% номинального первичного тока
- Точность: ± 0,50% от 1% до 120% номинального первичного тока
- Фазовый угол: ± 0,25 градуса (15 минут) от 1% до 120% номинального тока
- (модели ACTL-0750) ± 0,50 градуса (15 минут) ниже 0 ° C от 1% до 10% номинального тока
Класс 0,3
Более высокий класс точности «Opt C0.3» соответствует классу точности 0 IEEE C57.13.3 ограничения, а также более жесткие ограничения по точности и фазовому углу, не требуемые C57.13. Также соответствует или превосходит IEC 60044-1 класс 0.5S
- TCF: ± 0,3% при 100% и 120% номинального первичного тока
- TCF: ± 1,2% при 10% номинального первичного тока
Расширенные пределы, не требуемые C57.13
- TCF: ± 1,2% при 1% номинального первичного тока
- Точность: ± 0,50% от 1% до 120% номинального первичного тока
- Фазовый угол: ± 0.25 градусов (15 минут) от 1% до 120% номинального тока
- (модели ACTL-0750) ± 0,50 градуса (15 минут) ниже 0 ° C от 1% до 10% номинального тока
Коэффициент поправки (RCF)
Следующее определение дается в информационных целях, но CCS обычно не использует RCF, вместо этого описывая ту же концепцию, что и точность трансформатора тока. Компания CCS не предоставляет значений RCF для наших ТТ, хотя RCF может быть вычислена на основе «Измеренной точности», указанной в Сертификате калибровки Accu-CT.
Поправочный коэффициент - это число (обычно около 1,0), которое можно умножить на измеренное значение, чтобы получить скорректированное значение. Коэффициент коррекции коэффициента (RCF) определяется как коэффициент, умножение которого на выходной сигнал трансформатора тока даст правильный результат:
Например, если ТТ должен быть ТТ 500: 0,33333 В переменного тока (вход 500 А дает выход 0,33333 В переменного тока), то «отмеченное соотношение» будет 500: 0.33333. Если фактический выход для входа на 500 А составлял 0,340 В перем. Тока (2%), то RCF будет:
Умножение выходного значения полной шкалы 0,340 В переменного тока на 0,98038 дает скорректированный выходной сигнал полной шкалы 0,33333 В переменного тока.
Поправочный коэффициент трансформатора (TCF)
Следующее определение дается в информационных целях, но CCS обычно не использует TCF, а вместо этого описывает ошибки CT как погрешности точности и фазового угла.CCS предоставляет значения TCF в Сертификате калибровки Accu-CT, но в счетчиках WattNode ® не используются поправочные коэффициенты TCF.
Коэффициент коррекции трансформатора (TCF) определен для трансформаторов тока в стандарте IEEE C57.13 - 2008, стр. 13-14 следующим образом.
- RCF - коэффициент коррекции отношения
- - фазовый угол в минутах (положительный для вторичного сигнала, ведущего к первичному току)
Преобразование этого уравнения в градусы дает:
- - фазовый угол в градусах (положительный для вторичного сигнала, ведущего к первичному току)
60044-1
Пределы точности IEC 60044-1 проще, чем C57.13, просто определяя допустимое соотношение (точность) и ошибки фазового угла.
Для Accu-CT мы предлагаем два класса IEC 60044-1. Примечание. Семейство Accu-CT ACTL-0750 оптимизировано для достижения наилучших характеристик при частоте 50 Гц или 60 Гц, поэтому для приложений с частотой 50 Гц обязательно закажите «Опцию 50 Гц».
Класс 1.0 (Стандарт)
ТТ стандартного класса соответствует или превышает пределы класса точности 1.0.
- Точность: ± 1,0% при 100% и 120% номинального первичного тока
- Точность: ± 1.5% при 20% номинального первичного тока
- Точность: ± 3,0% при 5% номинального первичного тока
- Фазовый угол: ± 1,0 градуса (60 минут) при 100% и 120% номинального тока
- Фазовый угол: ± 1,5 градуса (90 минут) при 20% номинального тока
- Фазовый угол: ± 3,0 градуса (180 минут) при 5% номинального тока
60044-1
не требует дополнительных ограниченийТТ стандартного класса также соответствует или превосходит наши более строгие ограничения, которые превышают класс 1.0 требований.
- Точность: ± 0,75% от 1% до 120% номинального первичного тока
- Фазовый угол: ± 0,50 градуса (30 минут) от 1% до 120% номинального тока
Класс 0,5 и Класс 0,5 S
ТТ «Opt C0.6» с более высоким классом точности соответствуют ограничениям класса 0,5 и 0,5 S (расширенный диапазон).
- Точность: ± 0,50% при 20, 100% и 120% номинального первичного тока
- Точность: ± 0.75% при 5% номинального первичного тока
- Точность: ± 1,50% при 1% номинального первичного тока
- Фазовый угол: ± 0,50 градуса (30 минут) при 20%, 100% и 120% номинального тока
- Фазовый угол: ± 0,75 градуса (45 минут) при 5% номинального тока
- Фазовый угол: ± 1,50 градуса (90 минут) при 1% номинального тока
60044-1
не требует дополнительных ограниченийТТ класса «Opt C0.6» также соответствует или превышает наши более строгие ограничения, которые превышают класс 0.Требования 5 и 0,5 S.
- Точность: ± 0,50% от 1% до 120% номинального первичного тока
- Фазовый угол: ± 0,25 градуса (15 минут) от 1% до 120% номинального тока;
- (модели ACTL-0750) ± 0,50 градуса (15 минут) ниже 0 ° C от 1% до 10% номинального тока
Точность, Точность, Отзыв или F1? | Ку Пинг Шунг
Какие метрики выбрать?Часто, когда я разговариваю с организациями, которые хотят внедрить науку о данных в свои процессы, они часто задают вопрос: «Как мне получить наиболее точную модель?». И я спросил далее: «Какую бизнес-задачу вы пытаетесь решить с помощью этой модели?» и я получу озадаченный взгляд, потому что вопрос, который я задал, на самом деле не отвечает на их вопрос. Затем мне нужно будет объяснить, почему я задал этот вопрос, прежде чем мы начнем исследовать, является ли точность общей метрикой модели, из которой мы выберем нашу «лучшую» модель.
Итак, я подумал, что объясню в этом сообщении в блоге, что точность не обязательно должна быть единственной метрикой модели, которую преследуют ученые, а также включать простое объяснение других метрик.
Во-первых, давайте посмотрим на следующую матрицу путаницы. Какая точность у модели?
Очень легко, вы заметите, что точность для этой модели очень очень высока, 99,9% !! Вот Это Да! Вы сорвали джекпот и Святой Грааль (* кричите и бегайте по комнате, несколько раз взмахнув кулаком *)!
Но….(ну, вы знаете, что все идет правильно?) Что, если бы я упомянул, что положительный момент здесь - это тот, кто болен и несет вирус, который может очень быстро распространяться? Или позитив здесь представляет собой дело о мошенничестве? Или положительный момент здесь представляет террориста, который, согласно модели, не является террористическим? Ну вы поняли. Стоимость ошибочно классифицированного фактического положительного результата (или ложноотрицательного результата) очень высока в этих трех обстоятельствах, которые я назвал.
Хорошо, теперь вы поняли, что точность не является основным показателем модели, который нужно использовать при выборе лучшей модели… что теперь?
Позвольте мне представить две новые метрики (если вы не слышали об этом, а если слышите, возможно, просто пошутите меня немного и продолжите читать?: D)
Итак, если вы посмотрите Википедию, вы увидите, что формула для вычисления точности и отзыва выглядит следующим образом:
Позвольте мне поместить его здесь для дальнейшего объяснения.
Позвольте мне вставить сюда матрицу путаницы и ее части.
Precision
Отлично! Теперь давайте сначала посмотрим на точность.
Что вы заметили в знаменателе? Знаменатель - это Общее Прогнозируемое Положительное! Таким образом, формула принимает вид
Истинно Положительный + Ложно Положительный = Всего Прогнозируемый ПоложительныйСразу вы можете видеть, что Точность говорит о том, насколько точна ваша модель из тех, которые были предсказаны положительно, сколько из них действительно положительно.
Точность - хороший способ определить, когда цена ложного срабатывания высока. Например, обнаружение спама в электронной почте. При обнаружении спама в электронной почте ложное срабатывание означает, что электронное письмо, не являющееся спамом (фактическое отрицательное), было идентифицировано как спам (прогнозируемый спам). Пользователь электронной почты может потерять важные электронные письма, если точность модели обнаружения спама невысока.
Отзыв
Итак, давайте применим ту же логику для отзыва. Напомним, как рассчитывается отзыв.
Истинно положительный + ложно отрицательный = Фактический положительныйВот и все! Таким образом, функция Recall фактически вычисляет, сколько фактических положительных моментов захватывает наша модель, отмечая ее как положительные (истинно положительные). Применяя то же понимание, мы знаем, что Recall будет метрикой модели, которую мы используем, чтобы выбрать нашу лучшую модель, когда существует высокая стоимость, связанная с False Negative.
Например, при обнаружении мошенничества или выявлении больных. Если мошенническая транзакция (Фактический положительный результат) прогнозируется как не мошенническая (Прогнозируемая отрицательная), последствия могут быть очень тяжелыми для банка.
Аналогично при обнаружении больных. Если больной пациент (Фактический положительный результат) проходит тест и прогнозируется как здоровый (Прогнозируемый отрицательный). Стоимость ложноотрицательного результата будет чрезвычайно высока, если болезнь заразна.
Теперь, если вы читаете много другой литературы по Precision and Recall, вы не сможете избежать другой меры, F1, которая является функцией Precision and Recall. Глядя на Википедию, формула выглядит следующим образом:
F1 Score необходим, когда вы хотите найти баланс между точностью и отзывом.Верно ... так в чем же тогда разница между счетом F1 и точностью? Ранее мы видели, что точности может в значительной степени способствовать большое количество истинно отрицательных результатов, на которые в большинстве бизнес-ситуаций мы не обращаем особого внимания, в то время как ложноотрицательные и ложноположительные обычно имеют коммерческие издержки (материальные и нематериальные), поэтому оценка F1 может быть Лучшая мера для использования, если нам нужно найти баланс между точностью и отзывом, И существует неравномерное распределение классов (большое количество фактических отрицательных значений).
Я надеюсь, что объяснение поможет тем, кто только начинает заниматься наукой о данных и работает над проблемами классификации, что точность не всегда будет показателем для выбора лучшей модели.
Примечание: Рассмотрите возможность подписки на мой информационный бюллетень или посетите мой веб-сайт, чтобы узнать последние новости.
Я желаю всем читателям ВЕСЕЛОГО путешествия по науке о данных.
.Показатели эффективности для задач нескольких классов
Для задач классификации эффективность классификатора обычно определяется в соответствии с матрицей неточности, связанной с классификатором. На основе элементов матрицы можно вычислить чувствительность (отзыв), специфичность и точность. Для одного порога эти величины приводят к сбалансированной точности (чувствительность и специфичность) или к баллу F1 (отзывчивость и точность). Для оценки классификатора оценок при нескольких пороговых значениях эти величины могут использоваться для определения площади под кривой ROC (AUC) или площади под кривой точности-отзыва (AUCPR).
Все эти показатели эффективности легко доступны для задач двоичной классификации. Какая мера подходит, зависит от типа классификатора. Жесткие классификаторы не оцениваются, потому что они производят только результат \ (g (x) \ in \ {1, 2, \ ldots, K \} \). Мягкие классификаторы, с другой стороны, оценивают классификаторы, которые производят величины, к которым можно применить отсечение, чтобы найти \ (g (x) \). Для классификаторов без оценки я предлагаю две версии точности классификатора, а также микро- и макро-средние оценки F1.Для оценки классификаторов я описываю подход «один против всех» для построения кривой зависимости точности от отзыва и обобщение AUC для нескольких классов.
Данные классификатора без оценки
Чтобы продемонстрировать показатели производительности для классификаторов без оценки в настройке нескольких классов, давайте рассмотрим задачу классификации с \ (N = 100 \) наблюдениями и пятью классами с \ (G = \ {1, \ ldots, 5 \ } \):
ссылочные метки <- c (rep («A», 45), rep («B», 10), rep («C», 15), rep («D», 25), rep («E») , 5)) прогнозы <- c (rep ("A", 35), rep ("E", 5), rep ("D", 5), rep («B», 9), rep («D», 1), rep («C», 7), rep («B», 5), rep («C», 3), rep («D», 23), rep («C», 2), rep («E», 1), rep («A», 2), rep («B», 2)) df <- данные.{| G |} w_i \ sum_ {x: g (x) = k} I \ left (g (x) = \ hat {g} (x) \ right) \,. \]
указывает значения для \ (A (i, j) \).Чтобы взвесить все классы одинаково, мы можем установить \ (w_k = \ frac {1} {| G |} \ ,, \ forall k \ in \ {1, \ ldots, G \} \). Обратите внимание, что когда используется что-либо, кроме равномерных весов, трудно найти рациональный аргумент для определенной комбинации весов.
Точность расчетов и точность взвешивания
Точность вычислить очень просто:
calculate.accuracy <- функция (прогнозы, исх.label) { return (длина (которая (прогнозы == метки ссылки)) / длина (метки ссылки)) } Calculate.w.accuracy <- функция (прогнозы, метки, веса) { lvls <- уровни (см. ярлыки) if (длина (веса)! = длина (lvls)) { stop («Количество весов должно соответствовать количеству классов.») } if (сумма (веса)! = 1) { стоп («Вес не равен 1») } accs <- lapply (lvls, function (x) { idx <- который (ref.labels == x) return (calculate.accuracy (прогнозы [idx], ref.ярлыки [idx])) }) acc <- среднее (unlist (accs)) возврат (соотв.) } acc <- calculate.accuracy (df $ Prediction, df $ Reference) print (paste0 ("Точность:", round (acc, 2)))
## [1] "Точность: 0,78"
веса <- rep (1 / длина (уровни (df $ Reference)), длина (уровни (df $ Reference))) w.acc <- calculate.w.accuracy (df $ Prediction, df $ Reference, веса) print (paste0 ("Взвешенная точность:", round (w.acc, 2)))
## [1] «Взвешенная точность: 0.69 "
Обратите внимание, что взвешенная точность с однородными весами ниже (0,69), чем общая точность (0,78), поскольку она дает равный вклад в прогностическую эффективность для пяти классов, независимо от количества их наблюдений.
Микро- и макро-средние оценки F1
Микро- и макро-средние представляют собой два способа интерпретации матриц неточности в мультиклассовых настройках. Здесь нам нужно вычислить матрицу путаницы для каждого класса \ (g_i \ in G = \ {1, \ ldots, K \} \), такого, что \ (i \) -я матрица путаницы учитывает класс \ (g_i \) как положительный класс и все другие классы \ (g_j \) с \ (j \ neq i \) как отрицательный класс.Поскольку каждая матрица путаницы объединяет все наблюдения, помеченные классом, отличным от \ (g_i \) как отрицательный класс, этот подход приводит к увеличению количества истинных отрицаний, особенно если классов много.
Чтобы проиллюстрировать, почему увеличение истинных негативов проблематично, представьте, что существует 10 классов по 10 наблюдений в каждом. Тогда матрица неточностей для одного из классов может иметь следующую структуру:
Класс 1 8 10 Другой класс 2 80 На основе этой матрицы специфичность будет \ (\ frac {80} {80 + 10} = 88.9 \% \), хотя класс 1 был правильно предсказан только в 8 из 18 случаев (точность 44,4%). Таким образом, поскольку преобладает отрицательный класс, специфичность становится завышенной. Таким образом, средние микро- и макроуровни определяются только для F1-балла, а не для сбалансированной точности, которая основана на истинно отрицательном коэффициенте.
Далее мы будем использовать \ (TP_i \), \ (FP_i \) и \ (FN_i \), чтобы соответственно указать истинное значение. положительные, ложные срабатывания и ложноотрицательные результаты в матрице путаницы, связанной с \ (i \) -м классом.{| G |} TP_i + FN_i} \ end {выровнять *} \]
Микро-усредненная точность, \ (P _ {\ rm {micro}} \), и напоминание, \ (R _ {\ rm {micro}} \), приводят к микро-баллу F1:
\ [F1 _ {\ rm {micro}} = 2 \ frac {P _ {\ rm {micro}} \ cdot R _ {\ rm {micro}}} {P _ {\ rm {micro}} + R _ {\ rm { micro}}} \]
Если классификатор получает большой \ (F1 _ {\ rm {micro}} \), это означает, что в целом он работает хорошо. Микросреднее значение не зависит от прогнозируемых показателей для отдельных классов. Как следствие, микро-среднее значение может особенно вводить в заблуждение, когда распределение классов несбалансировано.{| G |} R_i} {| G |} \ end {выровнять *} \]
Макро-усредненная точность и отзыв дают макро-оценку F1:
\ [F1 _ {\ rm {macro}} = 2 \ frac {P _ {\ rm {macro}} \ cdot R _ {\ rm {macro}}} {P _ {\ rm {macro}} + R _ {\ rm { макрос}}} \]
Если \ (F1 _ {\ rm {macro}} \) имеет большое значение, это означает, что классификатор хорошо работает для каждого отдельного класса. Таким образом, макросреднее значение больше подходит для данных с несбалансированным распределением классов.
Вычисление средних микро- и макроуровней в
рэндовЗдесь я демонстрирую, как средние микро- и макроуровни F1-score могут быть вычислены в R.
Матрицы путаницы "один против всех"
Первый шаг к нахождению микро- и макро-средних значений включает вычисление матриц неразберихи "один против всех" для каждого класса. Мы будем использовать функцию
confusionMatrix
из пакетаcaret
, чтобы определить матрицы путаницы:библиотека (каретка) # для функции confusionMatrix cm <- vector ("список", длина (уровни (df $ Reference))) for (i in seq_along (cm)) { Positive.class <- уровни (df $ Reference) [i] # в i-й итерации использовать i-й класс как положительный класс cm [[i]] <- confusionMatrix (df $ Prediction, df $ Reference, положительный = положительный.класс) }
Теперь, когда все матрицы путаницы для конкретных классов хранятся в
см
, мы можем суммировать производительность по всем классам:метрики <- c («Точность», «Отзыв») print (cm [[1]] $ byClass [, metrics])
## Точность отзыва ## Класс: A 0,9459459 0,7777778 ## Класс: B 0,5625000 0,
00 ## Класс: C 0,8333333 0,6666667 ## Класс: D 0,7931034 0,9200000 ## Класс: E 0.1666667 0.2000000
Эти данные показывают, что в целом производительность довольно высока.Однако наш гипотетический классификатор работает хуже для отдельных классов, таких как класс B (точность) и класс E (как точность, так и отзыв). Теперь мы исследуем, как прогнозы модели влияют на микро- и макро-средние оценки F1.
Общая производительность с микро-усреднением F1
Чтобы определить \ (F1 _ {\ rm {micro}} \), нам нужно определить \ (TP_i \), \ (FP_i \) и \ (FN_i \) \ (\ forall i \ in \ {1, \ ldots, K \} \). Это делается функцией
get.conf.stats
.Затем функцияget.micro.f1
просто агрегирует счетчики и вычисляет F1-оценку, как определено выше.get.conf.stats <- function (cm) { out <- вектор ("список", длина (см)) for (i in seq_along (cm)) { x <- cm [[i]] tp <- x $ table [x $ положительный, x $ положительный] fp <- sum (x $ table [x $ положительный, colnames (x $ table)! = x $ положительный]) fn <- sum (x $ table [colnames (x $ table)! = x $ positie, x $ positive]) # TN недостаточно четко определены для подхода "один против всех" elem <- c (tp = tp, fp = fp, fn = fn) out [[i]] <- elem } df <- делать.вызов (rbind, out) rownames (df) <- unlist (lapply (cm, function (x) x $ positive)) возврат (as.data.frame (df)) } get.micro.f1 <- function (cm) { cm.summary <- get.conf.stats (см) tp <- сумма (cm.summary $ tp) fn <- сумма (cm.summary $ fn) fp <- sum (cm.summary $ fp) пр <- tp / (tp + fp) re <- tp / (tp + fn) f1 <- 2 * ((пр * ре) / (пр + ре)) возврат (f1) } micro.f1 <- get.micro.f1 (см) print (paste0 ("Micro F1 is:", круглый (micro.f1, 2)))
## [1] «Micro F1: 0.88 "
При значении
0,88
\ (F_1 {\ rm {micro}} \) довольно велико, что указывает на хорошую общую производительность. Как и ожидалось, микро-усредненная F1 не учитывала, что классификатор имеет низкую производительность для класса E, потому что всего 5 измерений в этом классе влияют на \ (F_1 {\ rm {micro}} \).Характеристики в зависимости от класса с макро-усреднением F1
Поскольку каждая матрица неточностей в
см
уже хранит эффективность прогнозирования один-против-всех, нам просто нужно извлечь эти значения из одной из матриц и вычислить \ (F1 _ {\ rm {macro}} \), как определено выше:получить.macro.f1 <- function (cm) { c <- cm [[1]] $ byClass # достаточно одной матрицы re <- sum (c [, "Отзыв"]) / nrow (c) pr <- sum (c [, "Точность"]) / nrow (c) f1 <- 2 * ((re * pr) / (re + pr)) возврат (f1) } macro.f1 <- get.macro.f1 (см) print (paste0 ("Macro F1 is:", round (macro.f1, 2)))
## [1] "Макрос F1: 0,68"
При значении
0,68
, \ (F _ {\ rm {macro}} \) явно меньше микро-усредненного F1 (0.88
). Поскольку классификатор для класса E работает плохо (точность: 16,7%, отзыв: 20%) и вносит вклад \ (\ frac {1} {5} \) в \ (F _ {\ rm {macro}} \), он ниже чем \ (F1 _ {\ rm {micro}} \).Обратите внимание, что для текущего набора данных микро- и макро-усредненные F1 имеют такое же отношение друг к другу, как общая (0,78) и взвешенная точность (0,69).
Кривые прецизионного отзыва и AUC
Площадь под кривой ROC (AUC) - полезный инструмент для оценки качества разделения классов для мягких классификаторов.В мультиклассовой настройке мы можем визуализировать производительность мультиклассовых моделей в соответствии с их кривыми точности-отзыва «один против всех». AUC также можно обобщить для настройки нескольких классов.
Кривые прецизионного отзыва одного против всех
Как обсуждалось в этой ветке Stack Exchange, мы можем визуализировать производительность мультиклассовой модели, построив график производительности двоичных классификаторов \ (K \).
Этот подход основан на подборе классификаторов \ (K \) один против всех, где в \ (i \) - й итерации группа \ (g_i \) устанавливается как положительный класс, а все классы \ (g_j \ ) с \ (j \ neq i \) считаются отрицательным классом.Обратите внимание, что этот метод не следует использовать для построения обычных кривых ROC (TPR против FPR), поскольку FPR будет недооценен из-за большого количества отрицательных примеров, полученных в результате дихотимизации. Вместо этого следует учитывать точность и отзыв:
библиотека (ROCR) # для кривых ROC library (klaR) # для NaiveBayes data (iris) # Переменная видов дает классы response <- iris $ Виды set.seed (12345) train.idx <- образец (seq_len (nrow (радужная оболочка)), 0.6 * nrow (радужная оболочка)) iris.train <- iris [поезд.idx,] iris.test <- iris [-train.idx,] график (x = NA, y = NA, xlim = c (0,1), ylim = c (0,1), ylab = "Точность", xlab = "Отзыв", bty = 'п') цвета <- c ("красный", "синий", "зеленый") aucs <- rep (NA, length (levels (response))) # сохранить AUC for (i in seq_along (levels (response))) { cur.class <- уровни (ответ) [i] binary.labels <- as.factor (iris.train $ Species == cur.class) # преобразовать в двоичную форму классификатор, который вы используете (NB - произвольно) модель <- NaiveBayes (binary.labels ~., data = iris.train [, -5]) пред <- предсказать (модель, радужная оболочка.test [, - 5], type = 'raw') score <- pred $ posterior [, 'TRUE'] # posterior для положительного класса test.labels <- iris.test $ Species == cur.class pred <- прогноз (оценка, test.labels) perf <- производительность (пред., "пред", "прил.") roc.x <- исключить из списка ([email protected]) roc.y <- исключить из списка ([email protected]) линии (roc.y ~ roc.x, col = colors [i], lwd = 2) # store AUC auc <- производительность (пред., "auc") auc <- unlist (slot (auc, "y.values")) aucs [i] <- auc } линии (x = c (0,1), c (0,1)) легенда ("снизу справа", уровни (ответ), lty = 1, bty = "n", col = colors)
![]()
print (paste0 («Среднее значение AUC под кривой точности-отзыва составляет:», круглое (среднее (aucs), 2)))
## [1] «Средняя AUC под кривой точного отзыва составляет: 0.99 "
График показывает, что setosa можно предсказать очень хорошо, а versicolor и virginica предсказать труднее. Среднее значение AUC
0,99
указывает на то, что модель очень хорошо разделяет три класса.Обобщения AUC для мультиклассовой установки
Существует несколько обобщений AUC для настройки нескольких классов. Здесь я сосредоточусь на обобщении, сделанном Хэнд и Тиллем в 2001 году.
Обобщенная AUC для одного значения решения
Функцию
multiclass.roc
из пакетаpROC
можно использовать для определения AUC, когда одна величина позволяет разделить классы. В отличие от документации функции, функция, похоже, не реализует подход от Hand и Till. потому что предсказания класса не учитываются. Однако в документации содержится предупреждение о том, что эта функция находится на стадии бета-тестирования .В настоящее время я жду ответа от авторов пакета о функцииmulticlass.roc
, чтобы проверить правильность моего понимания.библиотека (pROC) данные (aSAH) auc <- multiclass.roc (aSAH $ gos6, aSAH $ s100b) печать (auc $ auc)
## Мультиклассовая площадь под кривой: 0,654
Вычисленная AUC функции - это просто средняя AUC из всех попарных сравнений классов.
Обобщение AUC вручную и до
Ниже описывается обобщение AUC из Hand and Till, 2001.
Предположим, что классы обозначены как \ (0, 1, 2, \ ldots, c - 1 \) с \ (c> 2 \). Чтобы обобщить AUC, мы рассматриваем пары классов \ ((i, j) \). Хороший классификатор должен назначать высокую вероятность правильному классу, а низкую вероятность - другим классам. Это можно формализовать следующим образом.
Пусть \ (\ hat {A} (i | j) \) указывает вероятность того, что случайно выбранный член класса \ (j \) имеет меньшую вероятность для класса \ (i \), чем случайно выбранный член класса \ (я\).Пусть \ (\ hat {A} (j | i) \) определено соответственно. Мы можем вычислить \ (\ hat {A} (i | j) \), используя следующие определения:
- \ (\ hat {p} (x_l) \) - это оценочная вероятность того, что наблюдение \ (x_l \) происходит из класса \ (i \).
- Для всех наблюдений класса \ (i \) \ (x_l \) пусть \ (f_l = \ hat {p} (x_l) \) будет оцененной вероятностью принадлежности к классу \ (i \).
- Для всех наблюдений класса \ (j \) \ (x_l \) пусть \ (g_l = \ hat {p} (x_l) \) будет оценочной вероятностью принадлежности к классу \ (i \).{n_i} l = S_i - n_i (n_i +1) / 2 \]
, где \ (S_i \) - сумма рангов из образцов класса \ (i \). Поскольку существует \ (n_0 n_1 \) пар точек из двух классов, вероятность того, что случайно выбранная точка класса \ (j \) имеет более низкую оценочную вероятность принадлежности к классу \ (i \), чем случайно выбранный класс \ ( i \) балл:
\ [\ hat {A} (i | j) = \ frac {S_i - n_i (n_i +1) / 2} {n_i n_j} \ ,. \]
Поскольку мы не можем отличить \ (\ hat {A} (i | j) \) от \ (\ hat {A} (j | i) \), мы определяем
\ [\ hat {A} (i, j) = \ frac {1} {2} \ left (\ hat {A} (i | j) + \ hat {A} (j | i) \ right) \ ]
как мера отделимости классов \ (i \) и \ (j \).Общий AUC мультиклассового классификатора затем определяется средним значением для \ (\ hat {A} (i, j) \):
\ [M = \ frac {2} {c (c-1)} \ sum_ {i
Здесь множитель равен \ (\ frac {2} {c (c-1)} \), потому что существуют \ (c (c-1) \) способы построения различных пар с учетом различного порядка. Поскольку вычисляется только половина этих пар, счетчик имеет значение 2.
Пример вычисления условных вероятностей
Рассмотрите следующую диаграмму в качестве примера того, как вычисляются условные вероятности.
![]()
Реализация обобщения AUC от Hand and Till
Похоже, что не существует общедоступной реализации мультиклассового обобщения AUC из-за Hand and Till (2001). Таким образом, я написал реализацию. Функция
compute.A.conditional
определяет \ (\ hat {A} (i | j) \). Функцияmulticlass.auc
вычисляет \ (\ hat {A} (i, j) \) для всех пар классов с \ (ipair_AUCs compute.A.conditional <- function (pred.matrix, i, j, ref.outcome) { # вычисляет A (i | j), вероятность того, что случайным образом # выбранный член класса j имеет более низкую оценочную вероятность (или оценку) # принадлежность к классу i, чем случайно выбранный член класса i # выберите прогнозы учеников i.idx <- который (ref.outcome == i) j.idx <- который (ref.outcome == j) pred.i <- pred.matrix [i.idx, i] # p (G = i) присвоено наблюдениям класса i pred.j <- pred.matrix [j.idx, i] # p (G = i), присвоенный наблюдениям класса j all.preds <- c (пред.i, пред.j) классы <- c (rep (i, length (pred.i)), rep (j, length (pred.j))) o <- заказ (all.preds) classes.o <- классы [o] # Si: сумма рангов по наблюдениям класса i Si <- сумма (которая (classes.o == i)) ni <- длина (i.idx) nj <- длина (j.idx) # вычислить A (i | j) А <- (Si - ((ni * (ni + 1)) / 2)) / (ni * nj) возврат (A) } multiclass.auc <- функция (предварительная матрица, исходный результат) { метки <- имена столбцов (пред. матрица) A.ij.cond <- utils :: combn (labels, 2, function (x, pred.matrix, ref.outcome) {x я <- х [1] j <- x [2] A.ij <- вычисление A. условное (пред. Матрица, i, j, справочный результат) A.ji <- compute.A.conditional (предварительная матрица, j, i, исходный результат) пара <- paste0 (i, "/", j) возврат (c (A.ij, A.ji)) }, simpleify = FALSE, pred.matrix = pred.matrix, ref.outcome = ref.outcome) c <- длина (метки) пары <- unlist (lapply (combn (labels, 2, simpleify = FALSE), function (x) paste (x, collapse = "/"))) A.mean <- unlist (lapply (A.ij. second, mean)) имена (A.mean) <- пары A.ij.joint <- sum (unlist (A.mean)) M <- 2 / (c * (c-1)) * A.ij.joint attr (M, "пара_AUCs") <- A.mean возврат (M) } модель <- NaiveBayes (iris.train $ Species ~., data = iris.train [, -5]) пред <- предсказать (модель, радужная оболочка.test [, - 5], type = 'raw') pred.matrix <- pred $ posterior ref.outcome <- iris.test $ Виды M <- multiclass.auc (предварительная матрица, исх. Результат) print (paste0 ("Обобщенная AUC равна:", round (as.numeric (M), 3)))
## [1] "Обобщенная AUC: 0,991"
print (attr (M, "pair_AUCs")) # попарно AUC
## setosa / versicolor setosa / virginica versicolor / virginica ## 1.00000 1.00000 0.97254
Используя этот подход, обобщенная AUC равна 0.988, что на удивление похоже на среднее значение из кривых точного отзыва бинарных классификаторов «один против всех». Интерпретация полученных попарных AUC также аналогична. В то время как AUC для разделения setosa / versicolor и setosa / virginica оба равны 1, AUC для versicolor / virginica немного меньше, что согласуется с нашими предыдущими данными наблюдений от versicolor и virginica сложнее точно предсказать.
Сводка
Для мультиклассовых задач доступны меры, аналогичные бинарной классификации.
- Для жестких классификаторов вы можете использовать (взвешенную) точность, а также микро- или макро-усредненный результат F1.
- Для мягких классификаторов вы можете определить кривые прецизионного возврата «один против всех» или использовать обобщение AUC из Hand и Till.
Точность, точность, отзывчивость и оценка F1: интерпретация показателей производительности
Как оценить производительность модели в Azure ML и понять «метрики путаницы»
В этом блоге показано, как оценить производительность модели с помощью показателей Accuracy, Precision, Recall и F1 Score в Azure ML, а также дается краткое объяснение «метрик путаницы». В этом эксперименте я использовал двухклассовый алгоритм ускоренного дерева решений, и моя цель - предсказать выживаемость пассажиров на Титанике.
После того, как вы построили свою модель, возникает самый важный вопрос: насколько хороша ваша модель? Итак, оценка вашей модели - самая важная задача в проекте по науке о данных, который определяет, насколько хороши ваши прогнозы.
На следующем рисунке показаны результаты модели, которую я построил для проекта, над которым я работал во время моей стажировки в Exsilio Consulting этим летом.
Рис. Результаты оценки классификационной модели
Давайте углубимся во все параметры, показанные на рисунке выше.
Первое, что вы увидите здесь, это кривая ROC, и мы можем определить, является ли наша кривая ROC хорошей или нет, посмотрев на AUC (Площадь под кривой) и другие параметры, которые также называются метриками смешения. Матрица неточностей - это таблица, которая часто используется для описания эффективности модели классификации на наборе тестовых данных, для которых известны истинные значения. Все показатели, кроме AUC, можно рассчитать с использованием крайних левых четырех параметров. Итак, давайте сначала поговорим об этих четырех параметрах.
Истинно положительные и истинно отрицательные наблюдения - это правильно предсказанные наблюдения, которые показаны зеленым цветом. Мы хотим свести к минимуму ложные срабатывания и ложноотрицания, чтобы они отображались красным цветом. Эти термины немного сбивают с толку. Итак, давайте рассмотрим каждый термин один за другим и полностью его поймем.
Истинные положительные (TP) - это правильно спрогнозированные положительные значения, которые означают, что значение фактического класса - да, а значение прогнозируемого класса - также да.Например. если фактическое значение класса указывает, что этот пассажир выжил, и предсказанный класс говорит вам то же самое.
Истинные отрицательные значения (TN) - Это правильно спрогнозированные отрицательные значения, что означает, что значение фактического класса равно «нет», и значение предсказанного класса также равно «нет». Например. если фактический класс говорит, что этот пассажир не выжил, а предсказанный класс говорит вам то же самое.
Ложные срабатывания и ложные отрицательные результаты, эти значения возникают, когда ваш фактический класс противоречит предсказанному классу.
Ложные срабатывания (FP) - Когда фактический класс - нет, а прогнозируемый класс - да. Например. если фактический класс говорит, что этот пассажир не выжил, но предсказанный класс говорит вам, что этот пассажир выживет.
Ложноотрицательные (FN) - Когда фактический класс - да, а прогнозируемый класс - нет. Например. если фактическое значение класса указывает, что этот пассажир выжил, а прогнозируемый класс говорит вам, что пассажир умрет.
Как только вы поймете эти четыре параметра, мы сможем рассчитать точность, точность, отзыв и оценку F1.
Точность - Точность является наиболее интуитивно понятным показателем производительности и представляет собой просто отношение правильно спрогнозированного наблюдения к общему количеству наблюдений. Можно подумать, что если у нас высокая точность, то наша модель лучше всего. Да, точность - отличный показатель, но только когда у вас есть симметричные наборы данных, в которых значения ложноположительных и ложноотрицательных результатов почти одинаковы. Следовательно, вам нужно посмотреть на другие параметры, чтобы оценить производительность вашей модели. Для нашей модели у нас 0.803, что означает, что наша модель прибл. 80% точность.
Точность = TP + TN / TP + FP + FN + TN
Точность - Точность - это отношение правильно предсказанных положительных наблюдений к общему количеству предсказанных положительных наблюдений. Вопрос в том, что этот метрический ответ касается всех пассажиров, помеченных как выжившие, сколько на самом деле выжило? Высокая точность связана с низким уровнем ложных срабатываний. У нас точность 0,788, что очень хорошо.
Точность = TP / TP + FP
Отзыв (Чувствительность) - Отзыв - это отношение правильно предсказанных положительных наблюдений ко всем наблюдениям в реальном классе - да.Ответ на этот вопрос: сколько пассажиров мы пометили? У нас есть отзыв 0,631, что хорошо для этой модели, так как оно выше 0,5.
Отзыв = TP / TP + FN
Оценка F1 - Оценка F1 представляет собой средневзвешенное значение точности и запоминания. Таким образом, эта оценка учитывает как ложные срабатывания, так и ложные отрицательные результаты. Интуитивно это не так просто понять, как точность, но F1 обычно более полезен, чем точность, особенно если у вас неравномерное распределение классов.Точность работает лучше всего, если ложные срабатывания и ложные отрицания имеют одинаковую стоимость. Если стоимость ложных срабатываний и ложноотрицательных результатов сильно различается, лучше смотреть как на точность, так и на отзыв. В нашем случае оценка F1 составляет 0,701.
Оценка F1 = 2 * (отзыв * точность) / (отзыв + точность)
Итак, всякий раз, когда вы строите модель, эта статья должна помочь вам выяснить, что означают эти параметры и насколько хорошо ваша модель работает.
Надеюсь, этот блог был вам полезен.Пожалуйста, оставьте комментарии или отправьте мне электронное письмо, если вы считаете, что я пропустил какие-либо важные детали, или если у вас есть другие вопросы или отзывы по этой теме.
** Обратите внимание, что приведенные выше результаты и анализ чисел основаны на модели Титаника. Ваши цифры и результаты могут отличаться в зависимости от модели, над которой вы работаете, и вашего конкретного бизнес-сценария.
Видео по теме: https://www.youtube.com/channel/UC9jOb7yEfGwxjjdpWMjmKJA
Автор: Ренука Джоши (стажер в Exsilio)
.python - В чем разница между точностью терминов и точностью проверки
Переполнение стека- Около
- Продукты
- Для команд
- Переполнение стека Общественные вопросы и ответы
- Переполнение стека для команд Где разработчики и технологи делятся частными знаниями с коллегами
мультиклассовых показателей стало проще, часть II: оценка F1 | Боаз Шмуэли
В Часть I из Multi-Class Metrics Made Simple я объяснил точность и отзывчивость, а также то, как их вычислить для многоклассового классификатора . В этом посте я расскажу о другом популярном показателе производительности, F1-score, или, скорее, F1-score s , поскольку существует как минимум 3 варианта . Я объясню, почему используются оценки F1 и как их рассчитывать в условиях нескольких классов.
Но сначала, БОЛЬШОЕ ПРЕДУПРЕЖДЕНИЕ: F1-score широко используются в качестве метрики, но часто это неправильный способ сравнения классификаторов. Вы часто будете замечать их в научных статьях, где исследователи используют более высокий балл F1 как «доказательство» того, что их модель лучше, чем модель с более низким баллом. Однако более высокий показатель F1 не обязательно означает лучший классификатор. Используйте с осторожностью и оценивайте результаты F1 с недоверием! Подробнее об этом позже.
Как и в Часть I , я начну с простой настройки двоичной классификации.Напоминаем: вот матрица путаницы, созданная с помощью нашего бинарного классификатора для фотографий собак. Показатели точности и отзывчивости, рассчитанные нами в предыдущей части, составили 83,3% и 71,4% соответственно.
Как правило, мы предпочитаем классификаторы с более высокой точностью и оценками отзыва. Однако существует компромисс между точностью и отзывом: при настройке классификатора повышение оценки точности часто приводит к снижению оценки отзыва, и наоборот - бесплатного обеда нет.
Теперь представьте, что у вас есть два классификатора - классификатор A и классификатор B - каждый со своей точностью и отзывчивостью.У одного лучший показатель отзыва, у другого - более высокая точность. Мы хотели бы сказать кое-что об их относительной эффективности. Другими словами, мы хотели бы суммировать производительность моделей в единую метрику. Вот где используется оценка F1. Это способ объединить точность и запоминание в одно число. F1-оценка рассчитывается с использованием среднего арифметического («среднее»), но не обычного среднего арифметического . Он использует среднее гармоническое , которое задается этой простой формулой:
F1-оценка = 2 × (точность × отзыв) / (точность + отзыв)
В приведенном выше примере F1 -счет нашего бинарного классификатора:
F1-оценка = 2 × (83.3% × 71,4%) / (83,3% + 71,4%) = 76,9%
Подобно среднему арифметическому, показатель F1 всегда будет где-то посередине между точностью и отзывчивостью. Но он ведет себя иначе: оценка F1 дает больший вес меньшим числам. Например, когда точность составляет 100%, а отзыв - 0%, оценка F1 будет равна 0%, а не 50%. Или, например, скажем, что Classifier A имеет точность = отзыв = 80%, а Classifier B имеет точность = 60%, отзыв = 100%. С арифметической точки зрения среднее значение точности и отзыва одинаково для обеих моделей.Но когда мы используем формулу гармонического среднего значения F1, оценка для Classifier A будет 80%, а для Classifier B будет только 75%. Низкая точность модели B снизила ее оценку F1.
.