多分类任务的混淆矩阵

今天我将讨论如何在多分类中使用混淆矩阵评估模型的性能。

什么是混淆矩阵？

它显示了实际值和预测值之间的差异。它告诉我们有多少数据点被正确预测，哪些数据点没有被正确预测。对于多分类来说，它是一个 N * N 矩阵，其中 n 是编号。输出列中的类别，也称为目标属性。一二分类任务中包含了 2 个类也就是一个 22 矩阵，一般情况下介绍混淆矩阵都会以二分类为例。如果有 3 个类呢？那么将得到一个 33 矩阵依此类推。通过上面描述我们知道，混淆矩阵的类将具有相同数量的行和列。

下面让我们尝试了解一些常用术语，有 TP(True Positive)、FP(False Positive)、False Positive 和 FN(False Negative)。

我们将使用一个 3 x 3 矩阵，我们将使用我将向您展示的技巧计算 TP、TN、FP、FN 值。这个技巧也可以应用于 44、55…N*N 矩阵。

考虑这个混淆矩阵在下图 1 中的数据集的输出列中具有 A、B、C 类。

我们将尝试计算 A 类的TP(True Positive)、FP(False Positive)、False Positive 和 FN(False Negative)的值

 完整文章

多分类任务的混淆矩阵