初学混淆矩阵

初学混淆矩阵一、混淆矩阵(ConfusionMatrix):在中,混淆矩阵(confusionmatrix)是可视化工具,一般也叫做匹配矩阵。混淆矩阵的每一列代表了预测类别,每一行代表了数据的真实归属类别,每一列的总数表示预测为该类别的数据的数目(即通过算法被分为该类的数目),每一行的数据总数表示该类别的数据实例的数目如下表,第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类,…

一、混淆矩阵(Confusion Matrix):

在中,混淆矩阵(confusion matrix)是可视化工具,一般也叫做匹配矩阵。

混淆矩阵的每一列代表了预测类别,每一行代表了数据的真实归属类别,每一列的总数表示预测为该类别的数据的数目(即通过算法被分为该类的数目),每一行的数据总数表示该类别的数据实例的数目

如下表,第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类,第一行第二列中的5表示有5个实际归属第二类的实例被预测为第一类。同理,第二行第一列的2表示有2个实际归属为第二类的实例被错误预测为第一类。

如有150个样本数据,这些数据分成3类,每类50个。分类结束后得到的混淆矩阵为:

 

类1

类2

类3

类1

43

5

2

类2

2

45

3

类3

0

1

49

每一行之和为50,表示50个样本,

第一行说明类1的50个样本有43个分类正确,5个错分为类2,2个错分为类3。

源自:https://www.sohu.com/a/135668355_556897

二、多分类情况下,精确率与召回率的求解方法

(1)通过网络资源查找,基本论述是:

对于多分类问题,把每个类别单独视为”正“,把其它剩余的类别都视为”负“,按照二分类情况时的求解方法,求出此时的精确率与召回率,然后再取平均即可。

所主要查看的资源:

https://www.zhihu.com/question/51470349

https://www.zhihu.com/question/56403549

http://wenda.chinahadoop.cn/question/2168

(2)根据混淆矩阵,计算精确率与召回率的示例代码:

https://blog.csdn.net/sihailongwang/article/details/77527970

https://blog.csdn.net/lanchunhui/article/details/51221729

(3)关于精确率、召回率和F值概念的介绍:

https://www.cnblogs.com/Zhi-Z/p/8728168.html

(4)利用fit_generator来获得混淆矩阵:

https://blog.csdn.net/xfjjs_net/article/details/84798470

示例2:

https://blog.csdn.net/lulujiang1996/article/details/81540321

fit_generator的用法:

https://blog.csdn.net/xfjjs_net/article/details/84798045

(5)利用Python绘制混淆矩阵图:

https://blog.csdn.net/kane7csdn/article/details/83756583

(6)混淆矩阵、AUC和ROC

https://blog.csdn.net/u012735708/article/details/82877501

 

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/38200.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注