机器学习之混淆矩阵

再分类任务下，预测结果和真实情况之间存在四种不同的组合，这四种组合构成了混淆矩阵。

 

 

 举个例子，看下图。当真实情况是猫，预测结果也是猫的时候，这个时候定义为真正例；当真实情况是猫，而预测结果不是猫的时候定义为伪反例子；

当真实情况不是猫，而预测结果是猫时定义为伪正例；当真实情况不是猫预测结果也不是猫时定义为真反例。这个矩阵就叫做混淆矩阵。

 

 

再来看与之相关的两个评估标准：精确率与召回率。

 

 

 

 

精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是 

 

而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。也就是：