混淆矩阵颜色与数据大小匹配，而不是分类精度
混淆矩阵是在机器学习和数据挖掘中常用的评估分类模型性能的工具。它以矩阵的形式展示了分类模型在测试数据集上的预测结果与真实标签之间的对应关系。混淆矩阵的行表示真实标签，列表示预测结果。
混淆矩阵的颜色与数据大小匹配是为了更直观地展示不同类别之间的分类情况。通常，混淆矩阵中的每个单元格的颜色会根据该单元格的数值大小进行渐变，从而反映出不同类别的分类情况。例如，颜色较浅的单元格表示分类准确率较高，而颜色较深的单元格表示分类准确率较低。
混淆矩阵的数据大小表示了分类模型在不同类别上的分类结果数量。通过观察混淆矩阵中的数据大小，我们可以了解到模型在不同类别上的分类效果。例如，某个类别的数据大小较大，说明该类别的样本数量较多，模型对该类别的分类效果可能更可靠。
混淆矩阵的应用场景包括但不限于以下几个方面：
- 评估分类模型性能：混淆矩阵可以帮助我们了解分类模型在不同类别上的分类准确率、召回率、精确率等指标，从而评估模型的整体性能。
- 发现分类错误的模式：通过观察混淆矩阵，我们可以发现分类模型在哪些类别上容易出现错误，从而针对性地改进模型。
- 比较不同模型的性能：通过对比不同模型的混淆矩阵，我们可以直观地了解它们在不同类别上的分类效果，从而选择最适合的模型。
腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以帮助用户进行混淆矩阵的计算和可视化。其中，腾讯云机器学习平台（https://cloud.tencent.com/product/tccli）提供了丰富的机器学习算法和模型训练、部署的功能，可以方便地进行分类模型的开发和评估。此外，腾讯云还提供了云数据库、云服务器、云存储等基础设施服务，为机器学习和数据分析提供了可靠的基础支持。
总结起来，混淆矩阵是评估分类模型性能的重要工具，通过颜色和数据大小的匹配可以直观地展示分类情况。腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以帮助用户进行混淆矩阵的计算和可视化。
相关·内容
1回答
我正在使用fer2013数据集进行深入学习。
经过训练，我得到了val_precision: 0.9168 (精度: 0.8492)。
Epoch 67/100
238/238 [==============================] - 31s 130ms/step - loss: 1.5087 - tp: 2622.4142 - fp: 474.9121 - tn: 45584.3013 - fn: 5054.1213 - accuracy: 0.8972 - precision: 0.8492 - recall: 0.3410 - auc: 0.9042 - prc: 0.67
浏览 0提问于2022-05-03得票数 1
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
1回答
基于PCA的文本分类降维方法
、、、、
我是做文本分类的文档，我有大约4k的分类和110万的数据样本。
我正在构造包含每个文档中单词频率的矩阵。矩阵的样本如下
X1 X2 X3 X4
D1 1 1 0 1
D2 1 1 1 0
D3 1 1 0 0
D4 1 1 1 1
D5 0 0 1 0
D6
浏览 0提问于2017-11-02得票数 1
1回答
多类分类中性能指标的计算
、、、
我使用XGBoost分类器将X射线图像分类为3类.我的问题是，当我使用混淆矩阵手动(手工)计算这些值时，它显示的值与分类报告中的值不同。即使我用所有的方程式来计算。请帮助我如何进行手工计算，以找到这些值(准确性，精确性和回忆)。
这是分类报告
precision recall f1-score support
0 1.0000 0.9052 0.9502 116
1 0.8267 0.9180 0.8700 317
2 0.9627
浏览 5提问于2022-06-15得票数 -1
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
哪个单位的测量有精度，平均绝对误差和平均平方误差的标准？它们是否用于回归问题？例如，我的regressor.score(X_test，y_test)约为0.99469。因此，测试模型与实际数据相比是0.99469？或者你说百分之九十九？MAE和MSE也是如此。
另一个问题是，我对分类问题的混淆矩阵进行了讨论，其准确性是从混淆矩阵中计算出的值。我使用多元线性回归，所以我可以使用这些指标来进行回归吗？
浏览 0提问于2020-03-11得票数 0
回答已采纳
3回答
我在做遥感图像分类。采用面向对象的方法:首先将图像分割成不同的区域，然后从颜色、形状和纹理等区域提取特征。一个区域的所有特征的数量可能是30个，通常有2000个区域，我将选择5个类，每个类有15个样本。
总结如下：
样本数据1530
测试数据197530
如何选择合适的分类器？如果有三个分类器(ANN、SVM和KNN)，那么我应该选择哪一个来进行更好的分类？
浏览 6提问于2011-09-06得票数 1
回答已采纳
4回答
在matlab中对分类器的查准率和查全率的计算存在问题。我使用fisherIris数据(包括150个数据点、50-setosa、50-versicolor、50-virginica)。我使用kNN算法进行分类。这是我的混淆矩阵：
50 0 0
0 48 2
0 4 46
分类正确率为96% (144/150)，但如何利用matlab进行精确计算和回忆，有什么功能吗？我知道精度=tp/(tp+fp)和recall=tp/(tp+fn)的公式，但我无法识别组件。例如，我是否可以说，真正的正数是矩阵中的144？假阳性和假阴性怎么办？救命啊！我真的很感激
浏览 11提问于2014-04-07得票数 9
回答已采纳
我使用yolov5网络在我的数据库中进行对象检测，它只有一个类。但我不明白混乱的矩阵。为什么FP是1而TN是0？
浏览 31提问于2022-06-03得票数 0
2回答
如何计算每一类二进制分类的分数？
、、、、
精度公式是TP / TP + FP，但是如何单独应用于每一类二进制分类问题，
📷
例如，在这里，精确性、回忆性和f1分数是分别为0级和1级计算的，我无法思考这些分数是如何单独计算的。
有谁能以这个混乱矩阵为例向我解释一下吗？
📷
如果可能的话，请用外行人的术语解释。
谢谢
浏览 0提问于2021-09-26得票数 3
回答已采纳
我正在colab上用32x32像素的图像进行图像分类实验；我有248张用于培训的图片和62张用于测试的图片(我知道这要少得多，但用于实验.)。只有两个类，我得到的数据如下：
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set
浏览 4提问于2022-04-04得票数 0
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
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
目标：
嘿，伙计们，我正在尝试用Python创建一个分类模型来预测共享单车站点何时会有过多的每小时相对流入或流出。
我们正在做的工作是：
我的数据帧的前5行(总共超过200,000行)看起来像这样，我在'flux‘列中分配了值0，1，2-如果没有重要的动作，1如果流入太多，2如果流出太多。
我正在考虑使用station_name (超过300个站点)、一天中的某小时和一周中的某一天作为预测变量来对“流量”进行分类。
模型选择：
我应该配什么？朴素贝叶斯？KNN？随机森林？还有什么适合的吗？GDM？SVMs？
仅供参考: always 0的基线预测相当高，为92.8%。不幸的是
浏览 2提问于2015-07-25得票数 0
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
我正在研究AdaBoost分类器。这是数据集的图。(X，Y是预测列，颜色是标签)
📷
正如你所看到的，任何一方都有16分，很容易被漏掉-分类。为了检查性能是如何随着n_estimators的增加而提高的，我使用了以下代码
for i in range(1,21):
clf = AdaBoostClassifier(DecisionTreeClassifier(max_depth=2),
n_estimators=i,algorithm='SAMME')
clf.fit(X_df,y)
y_pred = clf.predict(X_
浏览 0提问于2020-03-26得票数 2
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
2回答
分类问题中混淆矩阵的目的是什么？
、、、、
我在学习机器学习。经过一些研究后，我了解到一个典型的分类问题工作流(在准备了数据之后)如下：
测试、培训和验证集中的数据分割
训练模型
生成混淆矩阵
分析度量标准:准确性、精确性、召回性和f1
根据我决定优化的度量来调优超参数。
我的问题是:为什么我们需要混乱矩阵？考虑到我们试图解决的问题类型，难道我们不应该知道我们需要优化什么度量吗？
我之所以问这个问题，是因为，据我所知，如果我们有足够的计算能力，我们基本上可以通过应用网格搜索(基本上包括对每个调优参数的交叉验证)将步骤2和步骤5分组，这将作为要测量的度量的输入。这意味着您需要事先知道度量，而且无法得到混淆矩阵。
谢谢您的答复。
浏览 0提问于2020-05-15得票数 2
回答已采纳
我是随机森林分类器的新手。我使用它来分类有两个类的数据集。-特征数目为512。-数据的比例为1:4，即75%的数据来自第一级，25%来自第二类。-我用了500棵树。
该分级机的袋外误差为21.52%。第一类(由75%的培训数据表示)的每类错误为0.0059。而第二类的分类错误确实很高: 0.965。
我正在寻找对这种行为的解释，如果你有建议，提高二等的准确性。
我期待着你的帮助。
谢谢
忘了说我在使用R，在上面的测试中我使用了1000的节点大小。
在这里，我只用10棵树和nodesize= 1重复了训练(只是为了给出一个想法)，下面是R中的函数调用和混淆矩阵：
randomForest(公
浏览 7提问于2012-04-24得票数 4
回答已采纳
1回答
GridSearchCV行为怪异
、、、、
我使用GridSearchCV来寻找支持向量机的最佳参数组合。然而，GridSeasrchCV选择的参数似乎并不是最好的参数。我随机地尝试了一些参数，它们工作得更好。我在测试集中尝试了这两种组合。这是一幅画：
📷
第二个混淆矩阵+分类报告是随机但改进的。为什么GridSearchCV不选择这个组合？
浏览 0提问于2020-09-28得票数 0
1回答
用于多类分类的AUC
、、、
让我们假设我们有一个3类的分类问题，并且我们有高度不平衡的数据。假设在第一类中我们有185个数据点，在第二类199中，在第三类720中。
为了计算多类问题上的AUC，有写在中的宏观平均(给予每个标签的分类相同的权重)和微观平均方法(将标签指示矩阵的每个元素视为二进制预测)。
对于这种不平衡的数据集，应该使用AUC的微观平均还是宏观平均？
我不确定，因为当我们有一个如下所示的混淆矩阵时，我得到的微观平均AUC为0.76，宏观平均AUC为0.55。
浏览 34提问于2018-08-27得票数 0
为了计算模型的精度，并使用决策树分类器打印混淆矩阵，我在Python中编写了以下代码：
coef_gini = DecisionTreeClassifier(criterion = "gini", random_state = 100, max_depth = 3, min_samples_leaf = 5)
coef_gini.fit(training_features, training_target)
y_pred = coef_gini.predict(test_features)
y_pred
for name, importance in zip(trainin
浏览 0提问于2018-03-02得票数 0
回答已采纳
1回答
我试图为我的对象检测模型计算一个混淆矩阵。然而，我似乎遇到了一些陷阱。我目前的方法是比较每一个预测盒和每个地面真相盒。如果它们有一个IoU >某个阈值，则将预测插入混淆矩阵。插入后，我删除预测列表中的元素，然后转到下一个元素。
因为我还希望将错误分类的建议插入混淆矩阵中，所以我将IoU低于阈值的元素视为与背景混淆的元素。我目前的实现如下：
def insert_into_conf_m(true_labels, predicted_labels, true_boxes, predicted_boxes):
matched_gts = []
for i in range(le
浏览 0提问于2017-09-08得票数 11
回答已采纳
1回答
混淆矩阵
、
我对如何表示混淆矩阵感到困惑--在哪里放置FP和FN。Link1和Link2在二值分类中表现出不同的混淆矩阵。行表示实际值，列表示预测值。根据我的理解，正确的混淆矩阵应该是：
| Pred Neg| Pred Pos
|___________________
Actual Negative(class0) | TN | FP
------------------ |-------------
Actual Positive(Class1) | FN | TP
其中TN
浏览 0提问于2020-06-29得票数 2
回答已采纳
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
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
我制作了一个分类器，将搜索查询分类为以下类别之一：{艺术家，演员，政治家，运动员，设施，地理，定义，QA}。我有两个csv文件:一个用于训练分类器(包含300个查询)，另一个用于测试分类器(当前包含大约200个查询)。当我使用training use和testset来训练/评估带有weka knowledgeflow的分类器时，大多数类都达到了相当好的准确性。Weka知识流培训/测试场景设置：
训练结束后，我将知识流中的MultiLayer感知器分类器保存到classifier.model中，我在java代码中使用它来对查询进行分类。
当我在java代码中反序列化这个模型，并使用它在
浏览 1提问于2012-05-25得票数 0
1回答
我正在使用一个极端的不平衡和异构的多类{K = 16}数据库进行研究，使用一个小的N ~= 250。对于一些标签，数据库有足够的例子来监督机器学习，但对于其他的，我几乎没有。由于多种原因，我也无法扩展我的数据库。
作为第一种方法，我以分层方式将我的数据库划分为训练(80%)和测试(20%)集。除此之外，我还应用了几种分类算法，这些算法提供了一些结果。我将此程序应用于500分层列车/测试集 ()，希望选择一个可接受的算法(模型)。
由于我的数据库，取决于作为火车集合一部分的具体示例，测试集上的性能差别很大。我正在处理的运行有高达82%的准确率(对于我的应用程序)和运行的低到40%。在所有运行的中
浏览 1提问于2018-08-20得票数 1
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
3回答
在我的问题中可以观察到N个不同的类，我的任务是检测哪些类发生在时间t(T帧)上。我创建了actualLabels和predictedLabels大小为NxT的二进制矩阵。我观察了数据，用手填写了actualLabels。如果时间t中的实例涉及nth类，则actualLabels(n,t)为1，否则为0。这是我的真实数据。然后，我对数据运行我的算法并预测观察到的类。标签自动找到并存储在predictedLabels中。
我的问题是，如何使用这些矩阵计算成功值？有什么流行的方法吗？
示例案例：让有4个类和T=5。
actualLabels = 0 0 0 0 1
浏览 1提问于2012-01-12得票数 0
回答已采纳
我几乎读过大多数类似的问题，但我还没有找到我的问题的答案。
假设我们有四个不同标签/类的n样本，即A、B、C和D。我们训练了两个分类器：
First classifier：我们训练多类分类器，将数据中的样本分类为四类中的一种。假设模型的精度是%x。
Second classifier：现在，假设我们所关心的是，如果一个样本是A或者不是A，那么我们会训练一个二进制分类器，用于将样本分类为A或非A。假设这个模型的精度是%y。
我的问题是，我们是否可以比较x和y来衡量分类器在分类A上的性能？换句话说，多类分类器的高性能是否意味着该分类器也能够识别具有高性能的单个类？
现实世界的例子是，我在一个包含四
浏览 0提问于2020-07-31得票数 2
回答已采纳
1回答
计算ROC曲线验证分割算法的质量
、、、、
1)假设我有一组100张图片，我手动提取了前景和背景(地面实况)。
2)现在我有了一个分割算法，我将其应用于之前的数据集。结果取决于几个算法参数(假设我进行颜色分割，因此结果取决于所使用的不同颜色空间阈值)。分割的结果是一个二进制掩码。
3)因此，对于这100张图像中的每一张，我都有一个基本事实和一个预测。我可以很容易地计算每个图像的混淆矩阵或所有图像的最终混淆矩阵。
我的问题是:如何计算ROC曲线？
想法：
a)我正在考虑为算法的每个参数都有一条ROC曲线。因此，我保持N-1个参数不变，并以归一化比例0,1改变其他参数。因此，对于0,1中的每个变化，我需要重新运行所有图像的分割，并计算TPR
浏览 1提问于2015-02-05得票数 0
1回答
在精确回忆曲线下，我迷失在召回值与面积之间的关系中。我使用二进制分类器对不平衡的数据集进行分类。我通过默认的sklearn python包记录了查准率-召回曲线下的召回值和区域。在我的例子中，1类是罕见的类，0类是另一类。
我训练了两个模特。第二个模型我使用过采样方法来平衡训练数据集。测试数据集在这两个模型中都从未被触及过。下面是测试数据集的记录值。
使用不平衡数据集进行培训。
召回: 0.629，auc查全率: 0.8828
平衡数据集的训练
召回: 0.8426，auc查全率: 0.884
我的问题是：
为什么召回值提高而精确召回曲线不变？
我可以说，如果我选择一个适当的阈值，第一个模型和
浏览 1提问于2021-02-16得票数 0
我创建了一个MultinomialNB分类器模型，通过该模型，我试图给一些测试文本贴上标签：
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn import preprocessing
from sklearn.naive_bayes import MultinomialNB
tfv = TfidfVectorizer(strip_accents='unicode', analyzer='word',token_pattern=r'\w{1,}',
浏览 0提问于2019-01-20得票数 1
回答已采纳
1回答
如何根据行和列数据查找值
、、、
我有一个包含第一行的矩阵，第一列是数据。基于行和列，我希望在矩阵中找到值。例如，我的矩阵如下所示
A=
0.1000 1.0000 10.0000 100.0000
1.0000 0.9000 0.4000 0.5000
如果行数据为1(第二行)，列数据为10 (第三列)，则得到0.4值。有办法找到那个价值吗？例如，在行数据为0.2、列数据为0.2的情况下。如何从矩阵中找到值？谢谢你的回应。
浏览 2提问于2014-08-03得票数 1
回答已采纳
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
2回答
我有测试数据集。数据集是不平衡的数据集。数据集的培训实例总数为543个，其中少数类(是)为75个，多数类(编号)为468个。兴趣的阶级是少数人阶级(是的)。我使用朴素贝叶斯分类器进行预测。我得到的混乱矩阵
TP TN FP FN
33 391 77 42
No class的实例总数为468，分类器真正将391个实例预测为负值。然而，分类器预测的总否定类为391+42 = 433，这些42个假负数实际上是正类，而分类器则将其预测为负数。这个解释我说得对吗？
其次，分类器预测了33个实例为真正。然而，正类TP+FP = 33+77 = 110的总预测。现在这些假阳性实际上是负的类
浏览 0提问于2022-09-10得票数 3
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
1回答
我想创建一个矩阵图，但使用其中一个分类变量作为颜色。我对矩阵使用了以下代码：
pairs(salesintl)
它给了我一个很好的矩阵图(参见输出)。
然后我将代码修改为：
pairs(salesintl, col=salesintl$Status)
它返回一个空的矩阵图(参见output )。
它就像一个没有内容的空框架。salesintl$status是一个有两层的因子。
我做错了什么？谢谢,
浏览 1提问于2014-02-25得票数 0
2回答
我们怎样才能找到精确的自动编码器来分类图像？因为我们将得到图像的重建，当我们插入测试数据时，它会吐出图像，但是我们如何才能计算精度呢？或者我们应该考虑图像.的预测和输入之间的差异。
浏览 0提问于2018-01-26得票数 3
2回答
Weka如何使用J48计算精度？
、、、、
我对数据挖掘和Weka很陌生。我使用GUI在Weka中使用J48构建了一个分类器。当Weka运行完之后，它会说：
Correctly Classified Instances 1035 - 68.543 %
Incorrectly Classified Instances 475 - 31.457 %
当从我自己的代码(使用C#使用IKVM.NET)运行时，我使用相同的未标记数据集重新评估我的模型，将预测类的结果保存到一个ARFF文件中，并计算我从1500个记录中得到的结果。
约有1300条记录被正确分类，200条没有被分类，这使精度测量达到86%。
这是正确的吗？为什么结果会有所
浏览 1提问于2015-04-13得票数 0
1回答
我想知道最好的方法是使用ApacheSpark2.4.5和PySpark (Python)评估一个合适的二进制分类模型。我想考虑不同的指标，如准确性，精确性，召回，auc和f1评分。
让我们假设如下：
# pyspark.sql.dataframe.DataFrame in VectorAssembler format containing two columns: target and features
# DataFrame we want to evaluate
df
# Fitted pyspark.ml.tuning.TrainValidationSplitModel (any a
浏览 2提问于2020-03-20得票数 21
1回答
我正在使用sklearn库中的ConfusionMatrixDisplay在我拥有的两个列表上绘制一个混淆矩阵，虽然结果都是正确的，但有一个细节让我感到困扰。混淆矩阵中的颜色密度似乎与实例数匹配，而不是分类的准确性。 这是我用来绘制混淆矩阵的代码： target_names = ['Empty', 'Human', 'Dog', 'Dog&Human']
labels_names = [0,1,2,3]
print(classification_report(y_true, y_pred,labels=labels_n
浏览 78提问于2020-04-07得票数 4
2回答
我们可以使用度量统计模型的拟合优度，这说明了拟合的优度和用于创建模型的参数的数量。AIC包括计算该模型(L)的似然函数的最大值。如何计算L，给定分类模型的预测结果，表示为混淆矩阵？
浏览 7提问于2009-02-25得票数 0
回答已采纳
所有规则中错误分类的总和(见树)是2097 (来自895+700+428+74)。但是混淆矩阵是2121 (来自1999+122)。有人能解释一下这种差异吗？数字怎么会不一样呢？
浏览 6提问于2016-08-27得票数 0
我有一些数字范围内的图像。下面是一个图片的例子：
这是图像的中的一个级别。(没有必要理解拉普拉斯金字塔是什么……)
现在我需要对这些图像进行一些操作，并且需要为此更改色彩映射表。我将其更改为灰色(256)，并进行了所需的操作。所以现在我在colormap(gray(256))中有了不同的图像。
现在我需要缩回到之前的范围。但我不知道之前的范围或颜色映射。我试着在操作前保存颜色映射表。
我试过这个：
imwrite(img,colormap(gray(256)),str);
但这将整个矩阵更改为255。
什么才是正确的方法呢？
浏览 0提问于2015-02-02得票数 1
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
如何从混淆矩阵中计算每个类的准确性、精确性和召回量？我正在使用嵌入的数据集虹膜；混淆矩阵如下：
prediction setosa versicolor virginica
setosa 29 0 0
versicolor 0 20 2
virginica 0 3 21
我正在使用75个条目作为培训集和其他测试：
iris.train <- c(sample(1:150, 75)) # have selected 75 randomly
浏览 2提问于2015-10-12得票数 19
回答已采纳
2回答
我正在处理一个非常不平衡的数据集，我使用了SMOTE (仅用于培训数据)。不过，我不明白为何打击前后的结果是一样的。
所附的混淆矩阵在击打前后是相同的。
这正常吗？对这个矩阵的解释是什么？
📷
编辑:这是我的分类报告，您可以看到其中一个类被模型忽略了：
📷
浏览 0提问于2021-06-06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
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
