我使用5个类别进行分类得到的混淆矩阵是什么意思？
混淆矩阵是用于评估分类模型性能的一种工具，它展示了模型在不同类别上的预测结果与实际结果之间的关系。混淆矩阵是一个二维矩阵，行表示实际类别，列表示预测类别。
在混淆矩阵中，每个单元格的值表示模型将样本预测为某个类别的数量。具体而言，混淆矩阵包含了四个重要的指标：
- 真正例（True Positive, TP）：模型正确地将正例预测为正例的数量。
- 假正例（False Positive, FP）：模型错误地将负例预测为正例的数量。
- 假反例（False Negative, FN）：模型错误地将正例预测为负例的数量。
- 真反例（True Negative, TN）：模型正确地将负例预测为负例的数量。
通过这些指标，我们可以计算出一系列评估分类模型性能的指标，如准确率、召回率、精确率和F1值等。
混淆矩阵在实际应用中具有广泛的应用场景，例如医学诊断、垃圾邮件过滤、图像分类等。通过分析混淆矩阵，我们可以了解模型在不同类别上的表现，进而优化模型的性能。
腾讯云提供了一系列与机器学习和人工智能相关的产品，如腾讯云机器学习平台（https://cloud.tencent.com/product/tccli），腾讯云图像识别（https://cloud.tencent.com/product/tii），腾讯云自然语言处理（https://cloud.tencent.com/product/nlp）等，这些产品可以帮助开发者构建和部署高性能的机器学习模型，并提供了丰富的API和工具来支持混淆矩阵的计算和分析。
相关·内容
1回答
基于R的多类文本分类
、、、、
我正在研究一个多类文本分类问题。我已经为同样的建立了梯度提升模型。
关于数据集的：
数据集有两列："Test_name“和"Description”。
Test_Name列中有6个标签，" description“列中有相应的描述。
My the the problem
数据准备
创建用于描述的单词向量。
使用单词向量构建一个语料库。
预处理任务，如删除数字，空格，停止词和转换为小写.
构建文档术语矩阵(dtm)。
从上面的dtm中删除稀疏的单词。
上述步骤导致一个计数频率矩阵，显示其编码应答列中每个字的频
浏览 1提问于2018-02-05得票数 0
我知道什么是混乱矩阵。
给定N个类，我们有一个NxN矩阵M，其中-每一行都是其中一个类-每列都是其中一个类
M(X，Y) =被分类为X类的元素数，并且应该被分类为Y类(当然，如果X=Y分类是正确的)。
现在我有了一组“复合类”和一个变量数的类。
用“复合”表示一个类对应于一个向量(变量长度)。例如，如果类由2元素向量表示，则可能的类是：
0,01,0
Mi的目标是使用以下方法定义一个函数：
输入:分类元素的NxM矩阵(其中分类元素的N=number，每类元素的M=number )，每个元素的预期类的NxM矩阵。
输出:对应于输入类的NXN混淆矩阵
产出实例：
[1
浏览 2提问于2012-06-26得票数 4
回答已采纳
1回答
得到以下结果的数据点总数= 1500。其中，我有
1473年标为0和
其余27名为1。
从混淆矩阵中可以看出，在属于1类的27个数据点中，只有1个数据点被错误分类为0。因此，我计算了个别类别的准确度，得到了标记为0= 98.2%和其他类别的准确率分别为1.7333%和1.7333%。这个计算正确吗？我不确定.我确实得到了一个很好的分类标签为1的类，所以为什么它的准确性低？单独的分类准确率对于class0应该是100%，对于class1大约是98%。
一次错误分类会使1级的准确度降低这么多吗？这就是我在MAtlab中计算各个类的精确性的方法。
cmMatrix =
1473 0
1
浏览 0提问于2018-07-09得票数 0
回答已采纳
2回答
保存混淆矩阵
、、、
有没有可能保存sklearn.metrics生成的混淆矩阵？
我希望将不同分类算法的多个结果保存在一个数组中，或者保存在一个pandas数据框中，这样我就可以显示哪种算法效果最好。
print('Neural net: \n',confusion_matrix(Y_test, Y_pred), sep=' ')
如何在循环中保存生成的混淆矩阵？(我正在训练一组200个不同的目标变量)
array[i] = confusion_matrix(Y_test,Y_pred)
我在这里遇到了一些定义问题[数组没有定义，而在非i版本中它运行得很流畅]
此外，我正在对混淆
浏览 30提问于2017-07-16得票数 2
回答已采纳
我想检验一种方法的准确性。我跑了400次，每次跑都有不同的分类。我也有基本的真理，也就是真正的分类来测试。
对于每种分类，我计算了一个混淆矩阵。现在，我想聚合这些结果，以便得到整体的混淆矩阵。我怎样才能做到这一点？
我是否可以将所有混淆矩阵之和，以获得整体矩阵？
浏览 0提问于2014-06-05得票数 10
回答已采纳
3回答
我有三个问题：
1)
滑雪板的混淆矩阵如下：
TN | FP
FN | TP
当我查看在线资源时，我发现它是这样的：
TP | FP
FN | TN
我该考虑哪一个？
2)
由于科学工具包学习的上述混淆矩阵与我在其他学习过程中发现的混淆矩阵不同，在多类混淆矩阵中，结构将是什么？我在这里看这篇文章：在那篇文章中，@lucidv01d发布了一个图表来理解多类的分类。在科学知识学习中，这个类别也是一样的吗？
3)
如何计算多类的精度？例如，我有一个混淆矩阵：
[[27 6 0 16]
[ 5 18 0 21]
[ 1 3 6 9]
[ 0 0 0 48]]
在我在问题2中提到的
浏览 4提问于2019-05-10得票数 10
回答已采纳
1回答
我们如何用WEKA解释成本矩阵？如果我有两个类要预测(0级和1级)，并且希望再将0级划分为1级(例如加倍惩罚)，那么矩阵格式到底是什么？
是：
0 10
20 0
还是因为
0 20
10 0
引起混淆的原因有以下两点：
1) JavaDoc for Weka CostMatrix说：
矩阵中位置i，j处的元素是将类j的实例分类为i类的惩罚。
2)然而，这篇文章的答复似乎表明情况并非如此。
给出了第一个成本矩阵，文章说：“错误分类0类的实例需要花费10，而1类实例的错误分类要花费两倍的代价。
谢谢。
浏览 2提问于2013-07-04得票数 7
我正在寻找一个可以计算多标号分类的混淆矩阵的Python库。
FYI：
学习不会支持混淆矩阵的多个标签)
多类和多标签问题的区别是什么？
浏览 0提问于2015-12-11得票数 9
1回答
橙中的混淆矩阵
、、、、
我使用交叉验证来评估橙色分类算法的性能，但我对混淆矩阵有一些疑问：
如何存储与交叉验证的每个折叠关联的混淆矩阵？
结果=orngTest.crossValidation(分类器，表，5，随机种子= 1) cm =orngStat.confusionMatrices(结果)
上面你可以看到我的部分代码。正如我从文档中了解到的，对象confusionMatrices应该有5个不同的混淆矩阵，但这不是真的，因为我检查了它，并且只存储了一个对象。
有人能解释我怎么得到这5个矩阵吗？万一这是不可能的，你能解释一下我在过程结束时得到的混乱矩阵是如何计算的吗？
警局。顺便说一下，这是用橙
浏览 5提问于2015-04-28得票数 1
我使用决策树(C4.5)、随机森林和朴素贝叶斯对虹膜数据进行分类。我使用的是从和下载的数据集。当我训练所有的网络时，通过“分类器输出”、“类的详细精度”和“混淆矩阵”，一切都很好。但是，当我在Weka-explorer-classify test选项中选择iris-test数据并选择iris-test文件，在'more options‘中选择'output prediction’作为'csv‘并点击start时，我得到的结果如下图所示。
“分类器输出”正确地显示了分类样本，但是，“类的详细精度”和“混淆矩阵”是所有值为零的。我在选择任何选项时出错的任何建议。谢谢。
浏览 7提问于2017-08-26得票数 0
回答已采纳
1回答
由于我的地理信息系统软件的计算能力有限，我试图在R中实现随机森林，以便进行图像分类。我的输入是一个多波段TIFF图像，它被训练成一个ArcGIS文件(目标值0和1)。该代码在技术上可以工作，并产生有效的输出。当我查看混淆矩阵时，我得到以下信息：
0 1 class.error
0 11 3 0.214285714
1 1 13 0.071428571
这对我的数据来说是明智的。然而，当我在GIS软件中绘制出图像分类输出(二值为0和1的二值重分类tiff )时，它以100%的成功率预测了训练数据。换句话说，输出图像没有分类错误。当混淆矩阵
浏览 6提问于2019-10-22得票数 0
回答已采纳
2回答
我已经训练了一个多类svm分类器，它有5个类，即svm(1)...svm(5).。
然后，我使用了5幅不习惯于训练这些分类器进行测试的图像。
然后用它们各自的分类器测试这5幅图像。也就是说，如果从第一类中提取了5幅图像，就会对同一类进行测试。
predict = svmclassify(svm(i_t),test_features);
预测产生一个5乘1的向量，显示结果。
-1
1
1
1
-1
我把它们加起来，然后把它插入对角线矩阵。
理想的情况下，它应该是一个对角线矩阵与5写对角线，当所有的图像被正确地分类。但结果很差。我的意思是，在某些情况下，我会得到负面的结果。我只想验证这个
浏览 4提问于2014-08-19得票数 0
回答已采纳
我正在做一个垃圾邮件过滤挖掘项目，我目前正在使用NaiveBayesMultinomial分类器，通过计数出现的单词频率，将垃圾邮件从非垃圾邮件中分类。
问题是，默认情况下，WEKA将分类阈值设置为0.5。然而，将非垃圾邮件错误分类为垃圾邮件比垃圾邮件更有害。
我想调整WEKA的NaiveBayesMultinomial算法的阈值，看看混淆矩阵是如何变化的。如果这是不可能的，我如何利用来自WEKA的输出来计算不同阈值的混淆矩阵？
下面是在测试拆分中评估项目当前结果的总结：
摘要：
Correctly Classified Instances 2715
浏览 6提问于2014-04-09得票数 1
回答已采纳
1回答
我目前正在训练一个具有1000棵树的随机森林分类器，并接收以下混淆矩阵。我已经把训练集75/25和测试组平分了，但是我不知道为什么我看到了这么低的真实负数。这是一个二进制分类问题，我的数据集包含了类0的88%，而类别1则占全部内容的12%。我试过用class_weights做实验，但我没有得到6%以上的真实负数。我遗漏了什么，因为它似乎通过了大多数测试，包括交叉验证> .90等等。
📷
浏览 0提问于2020-10-16得票数 1
1回答
我们使用机器学习来区分以下五个疾病类别：
正常(N)
心肌梗死(MI)
冠状动脉疾病
充血性心力衰竭(CHF)
在过去，这些疾病仅用二元分类器:n和MI，N和CAD，N和CHF。
比较多类结果和三个单独的二进制分类结果的最佳方法是什么？
在所有情况下都可以访问混淆矩阵。
浏览 0提问于2019-05-24得票数 2
1回答
我的分类系统将产生3个输出，告诉用户图像属于哪个类别。假设类别是A、B和C。下面是矩阵的示例：
A B C
A 10 5 2
B 0 20 2
C 0 0 20
我对公式Precision = tp/tp + fp和Recall = tp/tp+fn有点困惑，因为我不确定在这种情况下如何应用真阳性、真阴性、假阳性和假阴性。
有人能在这方面提供帮助吗？非常感谢您的帮助。谢谢。
浏览 2提问于2012-11-16得票数 0
我一直在研究一个分类问题。作为机器学习的新手，我只是遇到了混淆矩阵，我把数据和参数放在了他们的文档中。但我不明白它的真正含义是什么。 附注:我正在处理分类问题，有5个类别来预测图像。 我使用下面的代码。下面还给出了输出的图像。 # Confusion Matrix
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(tr_int,prediction) 你可以在这里查看-> Heatmap的热图。这里的混淆矩阵数组的图像-> ConfusionMatrix我用来绘图的代码如下所示。 import i
浏览 38提问于2019-05-02得票数 0
1回答
我试图执行5倍交叉验证在python使用Keras ANN分类器，我需要一个单一的平均分类报告和混淆矩阵的所有折叠。
我可以计算每个折叠的混淆矩阵和分类报告，并按照提供的代码片段显示它们。
问题：
如何计算所有折叠的平均混淆矩阵和平均报表？
浏览 2提问于2020-11-19得票数 0
回答已采纳
我正在进行一个基于分类的项目，我根据不同的ML模型的训练精度、测试精度、混淆矩阵和AUC评分来评估它们。我现在只能理解我通过计算测试集(X_test)上的ML模型的准确性而得到的分数与AUC分数之间的差异。
如果我是对的，这两个指标都会计算出一个ML模型能够预测以前未见过的数据的正确类别。我也明白，对两者来说，数字越高，越好，只要模型不过分适合或不适合。
假设ML模型既不过分适合，也不不适合，那么测试精度分数和AUC评分之间有什么区别？
我没有数学和统计方面的背景，而是从商业背景转向数据科学。因此，我将感谢一个商人能够理解的解释。
浏览 7提问于2020-03-28得票数 0
回答已采纳
1回答
我有大约3,000,000个样本，每个样本由一个大小约为20的列表来描述。该列表中的一些元素是分类的，例如城市名称、星期数等(有些类别有大量选项，例如，一个类别是url，在我的数据集中有超过70万个唯一元素！)此外，一些元素具有实际值，例如一天中的时间。
我的数据有标签(2类)，我需要为测试数据训练一个分类器。我倾向于决策树或随机森林，因为它们似乎是这类问题的一个很好的选择。
现在我的问题是：
1)如何对分类数据进行预处理？单热编码似乎是正确的选择，但鉴于我的一些类别有大量的可能值，一个热编码器将产生非常长的文字！我说得对吗？
2)如何组合来自不同类别的数据？例如，来自“城市”类别的数据与来自
浏览 0提问于2016-04-19得票数 3
我正在使用Python，并且有一些混淆矩阵。我想通过多类分类中的混淆矩阵来计算精确度、召回率和f度量。我的结果日志不包含y_true和y_pred，只包含混淆矩阵。
你能告诉我在多类分类中如何从混淆矩阵中获得这些分数吗？
浏览 1提问于2018-01-05得票数 7
回答已采纳
我正在进行逻辑回归的虹膜数据集从雪橇，我知道数学，并试图实现它。在最后一步，我得到一个预测向量，这个预测向量表示数据点到第1类或第2类(二进制分类)的概率。
现在我想把这个预测向量转换成目标向量。如果概率大于50%，则相应的数据点将属于1类，否则为2类。使用0表示类别1，使用1表示类2。
我知道它有一个for循环版本，只是遍历整个向量。但是当大小变大，因为循环非常昂贵，所以我想更有效地做它，就像numpy的矩阵运算，它比在for循环中做矩阵运算更快。
对更快的方法有什么建议吗？
浏览 0提问于2017-04-28得票数 7
回答已采纳
我希望为我的分类模型绘制混淆矩阵。它有大约20000个文档，需要分类到90个类。我收到的混淆矩阵是巨大的。我希望绘制这个图，但我似乎只发现到处都是二分类图。有没有可能画出这个多类混淆矩阵？我尝试了一些方法，但没有显示清晰的方法。
这是我的混淆矩阵的样子：
[[3919 344 0 ..., 0 0 1]
[ 267 2739 0 ..., 0 0 0]
[ 1 6 17 ..., 0 0 0]
...,
[ 4 1 0 ..., 6 0 0]
[ 0 2
浏览 3提问于2016-02-08得票数 2
1回答
验证数据中缺少类别
、、、
我在R中建立了一个基于训练数据集的分类模型，其中包含12个分类预测器，每个变量包含几十到数百个类别。
问题是，在我用于验证的dataset中，一些变量的类别比在培训数据中少。
例如，如果我在训练数据变量v1中有三个类别-- 'a','b','c'，那么在验证数据集中，v1只有两个类别-- 'a','b'。
在决策树或随机森林等基于树的方法中，它没有问题，但在逻辑回归方法(我使用的是LASSO)中，需要准备一个虚拟变量矩阵，训练数据矩阵和验证数据矩阵中的列数不匹配。如果我们回到变量v1的例子中，在训练数据中，我得到了
浏览 4提问于2016-02-16得票数 2
回答已采纳
我有一个预训练的keras模型，它的输出维度为[n, 4000] (它对4000个类别进行分类)。 我需要对测试数据进行预测(300K观察值)。 但是当我调用方法model.predict(X_train)时，我得到了一个run-out memory error，因为我没有足够的内存来存储带有shape (300K , 4000)的矩阵。 因此，将模型输出转换为稀疏矩阵是合乎逻辑的。 但是，将predict method包装到scipy函数sparse.csr_matrix中并不起作用(sparse.csr_matrix(model.predict(X_train)))，因为它首先在内存中为
浏览 7提问于2019-05-02得票数 3
5回答
是否有可能在sklearn中使用针对不同错误具有不同成本的成本矩阵来训练分类器？例如，在一个2类问题中，成本矩阵将是一个2乘2的方阵。例如，A_ij =将i分类为j的成本。
我使用的主要分类器是随机森林。
谢谢。
浏览 0提问于2014-08-01得票数 13
我正在研究一个使用NSL-KDD数据集的入侵分类问题。在应用递归特征消除技术后，我使用了10个特征(42个中的10个)进行训练，使用随机森林分类器作为估计器参数，基尼指数作为分裂决策树的标准。在训练分类器之后，我使用相同的分类器来预测测试数据的类别。我的交叉验证分数(准确性，精确度，召回率，f-分数)使用sklearn的cross_val_score给出了所有四个分数的99 %以上的分数。但是绘制混淆矩阵显示了不同的情况，在假阳性和假阴性值中可以看到更高的值。克莱尔，他们的准确率和所有这些分数都不匹配。我哪里做错了？
# Train set contain X_train (dataframe
浏览 2提问于2019-06-09得票数 0
1回答
Weka分类
、、
我试图在一个有32个属性的数据集上对分类机器学习算法进行数据建模，最后一列是Target class.I。我将属性数量从32个改进为6个，我觉得这对我的分类模型更有用。
我尝试执行J48和一些增量分类算法。我期望的输出结构由混淆矩阵、正确和错误分类的实例、kappa值组成。
但是我的结果没有给出任何关于正确和错误分类的instances.Also的信息，它没有预测混淆矩阵，我收到的Kappa value.All是这样的：
===摘要===
相关系数0.9482
平均绝对误差0.2106
均方根误差0.5673
相对绝对误差13.4077 %
根相对平方误差31.9157 %
实例总数1461
浏览 3提问于2015-07-30得票数 1
1回答
我使用RNN进行多类分类，下面是我的RNN主要代码：
def RNN(x, weights, biases):
x = tf.unstack(x, input_size, 1)
lstm_cell = rnn.BasicLSTMCell(num_unit, forget_bias=1.0, state_is_tuple=True)
stacked_lstm = rnn.MultiRNNCell([lstm_cell]*lstm_size, state_is_tuple=True)
outputs, states = tf.nn.static_rnn(stac
浏览 0提问于2017-10-18得票数 8
1回答
我有一个包含许多分类列的数据。当我随机取样这些数据并对分类列进行一次热编码时，我注意到它最终得到了具有不同列计数的数据集。因为并不是每个列中的所有类别都保存在示例中，不同的样本包含了每个列的不同类别子集。是否有办法确保所有样本中的所有分类列都包含所有可能的类别？
浏览 0提问于2020-11-27得票数 0
回答已采纳
1回答
我正在开发一个机器学习科学工具包-学习模型上的不平衡数据集(二进制分类)。看看混淆矩阵和F1分数，我期望一个较低的平均精度得分，但我几乎得到一个完美的分数，我不知道为什么。这是我得到的输出：
测试集上的混淆矩阵：
[[6792 199]
[ 0 173]]
F1评分: 0.63
AVG测试精度评分: 0.99
我是给予avg精确评分功能的科学知识-学习概率，这是什么包说使用。我想知道问题出在哪里。
浏览 6提问于2022-05-02得票数 -1
1回答
如何用二进制分类器的平均结果制作混淆矩阵，例如，20次训练/测试迭代？在每次迭代中，这些集合可以有不同的大小。
浏览 0提问于2022-03-28得票数 0
我收集了X个文档，所有这些文档都属于A类(是我感兴趣或了解的唯一类)。我也有一个更大的收集Y文件，我不知道。X和Y中的文档来源相同，格式相似，主题也有些相似。我想使用X中文档的TF-国防军特征向量来查找Y中最有可能属于A类的文档。
在过去，我使用TF-国防军特征向量来构建朴素的Bayes分类器，但在这些情况下，我的训练集X由许多类的文档组成，我的目标是将Y中的每个文档归类为X中所见的类之一。
这似乎是另一种情况。在这里，我的整个培训集都有相同的类(我没有我知道的不属于A类的文档)，我只想确定Y中的文档是否属于该类。
分类器似乎是错误的路线，但我不知道下一步最好的是什么。是否有不同的算法可以使用
浏览 5提问于2015-09-13得票数 1
回答已采纳
1回答
所以我有大约一百万行csv格式的twitter评论数据。我需要将它们归入特定的类别，比如如果有人在谈论：“产品寿命”，“便宜/昂贵”，“特价/折扣”等。
如您所见，我有多个类来对这些tweet数据进行分类。问题是，我如何为如此庞大的data.Silly问题生成/创建训练数据，但我想知道是否已经有预先分类/标记的评论数据来训练我们的模型？如果不是，那么为文本/评论的多类分类创建训练数据的最佳方法是什么？
虽然我已经在较小的数据集上尝试并测试了NaiveBayes用于情感分类，但您能建议我应该使用哪个分类器来解决这个问题(将评论分类到多个类别)。
谢谢！
浏览 0提问于2014-10-06得票数 1
我想用weka进行分类。我使用一些方法(随机树，随机森林，决策表，RandomSubspace.)但他们给出的结果如下。
=== Cross-validation ===
=== Summary ===
Correlation coefficient 0.1678
Mean absolute error 0.4832
Root mean squared error 0.4931
Relative absolute error 96.6501 %
Roo
浏览 4提问于2014-12-16得票数 4
回答已采纳
我试图通过这里提供的代码使用Weka实验者：。这实际上给出了TP；FP比率等等，但是是否有一种方法可以得到每种分类的混淆矩阵？例如，哪些类被归类为哪些类？
浏览 11提问于2022-06-02得票数 0
2回答
我正在对网站类别进行文档(文本)分类，并使用网站内容(标记、词干和小写)。
我的问题是，我有一个代表性过高的类别，它拥有的数据点比任何其他类别都多(大约70%或4000~我的数据点属于他的一个类别，而大约20个其他类别构成了最后的30%，其中有些不足50个数据点)。
我的第一个问题：
在某些标签数据稀疏的情况下，我能做些什么来提高分类器的准确性呢？我是否应该简单地放弃某一类别中的某一部分数据点，这些数据点的代表性过高？我是否应该使用其他的东西，而不是高斯朴素贝叶斯与tf-以色列国防军？
我的第二个问题：
执行分类后，将tfidf向量和分类器保存到磁盘。然而，当我在相同的数据上重新运行分类时，我
浏览 0提问于2014-12-22得票数 2
2回答
| 0 | 1 | 2 | 3
_______________________________________________________________________________
|0 | (-1.774, 1.145] | (-3.21, 0.533] |(0.0166, 2.007] | (2.0, 3.997]
_________________________________________________________________________
浏览 4提问于2020-08-03得票数 0
回答已采纳
分类学习器应用程序在应用程序的GUI中以混淆矩阵、ROC曲线等形式提供了很好的结果。
但是，如何才能将所有这些值(例如准确度、观察值数量、所有类别的TPP、FNR、PPV和FDR )轻松导出到应用程序中？
提前感谢！
浏览 2提问于2017-01-27得票数 2
混淆矩阵2A，三级分类器是在900个样本的测试集上进行评估的，该测试集包含三个类别，比例相等。·2、3类的分类总是正确的。50%的病例中，1类与2类混淆，20%的病例与3类混淆。写下混乱矩阵！
就像“混乱矩阵”这个名字已经说过了，我很困惑。我使用的是二进制分类混淆矩阵，看起来是这样的
📷
我给你们看这个矩阵，因为有很多不同的分类矩阵，有不同的正数，真负数，等等。
根据这个任务，我必须使用三级分类器矩阵.所以首先我把900个样本除以3个，所以每个班我得到300个样本。然后，我减去50%和20%的300，以获得90个样本为第一类。
我看过，行索引是真类的索引，列索引是分类器说的。
我的混乱矩阵看起
浏览 0提问于2020-07-22得票数 1
回答已采纳
9回答
如何规范混淆矩阵？
、、、、
我使用confusion_matrix()为我的分类器计算了一个混淆矩阵。混淆矩阵的对角线元素表示预测的标签与真实标签相等的点数，而非对角线元素则表示被分类器错误标记的点数。
我想规范我的混淆矩阵，使它只包含0到1之间的数字。我想从矩阵中读取正确分类样本的百分比。
我找到了几种方法来规范矩阵(行和列规范化)，但我对数学不太了解，也不确定这是否是正确的方法。
浏览 8提问于2014-01-04得票数 51
回答已采纳
2回答
我必须对超过10,000个类别的大量文本进行分类。我需要专家的建议，因为我还是个学生。
我的数据是分类分类的商业产品的描述和标题。例如，标题为"large and good keyboard“的键盘位于类别office > computer > keyboard中。
现在，我使用"from sklearn.feature_extraction.text import TfidfVectorizer“表示我的文本数据。但是矩阵在内存中太大了。对于表示大量数据，您有什么建议吗？
我正在考虑使用word-2-vec来表示数据，然后使用神经网络进行分类。
但我需要你的建议才
浏览 0提问于2019-04-30得票数 2
在多项式分类问题中，我尝试了两个不同版本的gbm。第二个模型导致更好的混淆矩阵，但更坏的日志损失值(在测试样本)。这怎么可能。
进一步说明了这两种模型的结果。
📷
我认为这可能是因为甲类的抽样量过高，而该类别的轻微减少，可能会导致失业人数的下降？
有什么想法吗？谢谢
浏览 0提问于2019-07-16得票数 1
回答已采纳
1回答
我知道，从混淆矩阵中，我们可以判断出一个分类器在猜测什么是对的和什么是错的方面有多好。
在下面的例子中，我有以下数据的样本：
在运行了随机树分类器之后，我得到了以下结果。
这是否意味着在build wind float中，分类器只能得到53/70正确的结果？
或者在build wind non float的情况下，分类器只能得到53/76正确的结果？
只是需要澄清一下-谢谢。
浏览 0提问于2015-05-10得票数 0
回答已采纳
4回答
训练模型的准确率高达98%，但混淆矩阵表现出很高的误识率。
我正在使用keras和迁移学习方法在预先训练的VGG16模型上进行多类分类。
问题是使用CNN将图像分类为5种类型的番茄病害。
有5个疾病类别，6970个训练图像和70个测试图像。
训练模型的准确率为98.65%，而测试模型的准确率为94%。
但问题是，当我生成混淆矩阵时，它显示出非常高的误分类。
谁来帮帮我，是我的代码错了还是模型错了？我很困惑我的模型是否给出了正确的结果。
如果有人能解释一下keras是如何使用model.fit_generator函数来计算精度的，因为将精度的一般公式应用于混淆矩阵，并没有给出与keras计算的结
浏览 5提问于2018-12-26得票数 1
2回答
将文本分析与其他功能相结合的最佳/正确方法是什么？例如，我有一个包含一些文本和其他特性/类别的数据集。scikit学习的TF-国防军矢量器将文本数据转换为稀疏矩阵。例如，我可以用朴素贝叶斯分类器直接使用这些稀疏矩阵。但是，还有什么方法可以考虑到其他功能呢？我是否应该消除文本的tf-国防军表示，并将功能和文本合并成一个DataFrame？或者，我是否可以将稀疏矩阵保留为单独的列？正确的方法是什么？
浏览 0提问于2017-09-04得票数 14
回答已采纳
1回答
我正在使用scikits接口训练一个具有交叉验证(stratifiedKfold)的svm分类器。对于每个测试集(共k个)，我会得到一个分类结果。我想要一个包含所有结果的混淆矩阵。Scikits有一个混淆矩阵接口: sklearn.metrics.confusion_matrix( y_true，y_pred)我的问题是我应该如何累积y_true和y_pred的值。它们是数组(numpy)。我应该根据我的k折参数来定义数组的大小吗？对于每个结果，我应该将y_true和y-pred添加到数组中？
浏览 2提问于2012-03-16得票数 6
回答已采纳
存在27个类别的多分类问题。
y_predict=[0 0 0 20 26 21 21 26 ....]
y_true=[1 10 10 20 26 21 18 26 ...]
名为"answer_vocabulary“的列表为每个索引存储了相应的27个单词。answer_vocabulary=0 1 10 11 2 3农业商业东住北.....
cm = confusion_matrix(y_true=y_true，y_pred=y_predict)
我对混淆矩阵的顺序感到困惑。它是按索引升序排列的？如果我想用标签sequence=0 1 2 3 10 11农业商业生活东北北重新
浏览 1提问于2020-08-30得票数 3
2回答
假设我有一个包含多个数值变量的数据，以及一个包含10000个类别的范畴变量。我用一个带有Keras的神经网络来得到这个范畴变量的嵌入矩阵。嵌入大小为50，因此Keras返回的矩阵具有维数10002 x 50。
额外的2行是用于未知类别的，而另一行我不知道--这是Keras工作的唯一方法，即，
model_i = keras.layers.Embedding(input_dim=num_categories+2, output_dim=embedding_size, input_length=1,
name=f'embedding_
浏览 3提问于2020-05-17得票数 1
回答已采纳
何时应该使用ROC曲线(AUC)下的面积或混淆矩阵进行分类器的评估？例如，对客户的预测是对未来销售的预测。
浏览 0提问于2018-06-22得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
