混淆矩阵

桃扇骨 2022-01-29 12:47 293阅读 0赞

![Image 1][]

混淆矩阵（confusion matrix）衡量的是一个分类器分类的准确程度。理解其概念本身容易理解，但一些特定术语易被混淆。

混淆矩阵适用于包含多个分类器的问题，本文为了让读者理解更加容易，以二元分类的混淆矩阵为例进行讲解。

![Image 1][]

观察混淆矩阵，可得如下结论：

1. 示例是一个二元分类问题，产生两种可能的分类：“是”或者“不是”。当预测一个事件是否发生时，“是”意味着该事件已经发生，而“否”则相反，该事件没有发生。

2. 该模型对这个事件进行了100次预测。

3. 在这100次预测结果中，“是”有45次，“否”有55次。但实际上该事件发生了40次。

**重要概念：**

1. 真阳性（True Positive，TP）：样本的真实类别是正例，并且模型预测的结果也是正例

2. 真阴性（True Negative，TN）：样本的真实类别是负例，并且模型将其预测成为负例

3. 假阳性（False Positive，FP）：样本的真实类别是负例，但是模型将其预测成为正例

4. 假阴性（False Negative，FN）：样本的真实类别是正例，但是模型将其预测成为负例

**混淆矩阵延伸出的各个评价指标**

1.**正确率（Accuracy）**：被正确分类的样本比例或数量

(TP+TN)/Total = (35+50)/100 = 85%

2.**错误率（Misclassification/Error Rate）**：被错误分类的样本比例或数量

(FP+FN)/Total = (5+10)/100 = 15%

3.**真阳率（True Positive Rate）**：分类器预测为正例的样本占实际正例样本数量的比例，也叫敏感度（sensitivity）或召回率（recall），描述了分类器对正例类别的敏感程度。

TP/ actual yes = 35/40 = 87%

4.**假阳率（False Positive Rate）**：分类器预测为正例的样本占实际负例样本数量的比例。

FP/actual no = 10/60 = 17%

**5.特异性（Specificity）**：实例是负例，分类器预测结果的类别也是负例的比例。

TN/actual no = 50/60 = 83%

**6. 精度（Precision）**：在所有判别为正例的结果中，真正正例所占的比例。

TP/predicted yes = 35/45 = 77%

**7.流行程度（Prevalence）**：正例在样本中所占比例。

Actual Yes/Total = 40/100 = 40%

**关键术语：**

**1. 阳性预测值**：其术语概念与精度非常类似，只是在计算阳性预测值考虑了流行程度。在流行程度为50%的时候，阳性预测值（PPV）与精度相同。

**2. 空错误率**：当模型总是预测比例较高的类别，其预测错误的实例所占百分比。在上述示例中，空错误率为60/100 = 60%，因为如果分类器总是预测“是”，那么对于60个为“否”的事件则可能进行错误预测。该指标可用于分类器间的性能比较。然而，对于某些特定的应用程序来说，其最佳分类器的错误率有时会比空错误率更高。

**3. F值**：F 值即为正确率和召回率的调和平均值。

**4.[ Roc曲线][Roc]**：即接收者操作特征曲线(receiver operating characteristic curve)，反映了真阳性率（灵敏度）和假阳性率（1-特异度）之间的变化关系。Roc曲线越趋近于左上角，预测结果越准确。

[Image 1]: 
[Roc]: https://blog.csdn.net/waeceo/article/details/90473418

发表评论取消回复

表情：

评论列表（有 0 条评论，293人围观）

还没有评论，来说两句吧...

相关阅读

相关混淆矩阵代码

混淆矩阵(Confusion Matrix)是用来评估分类器性能的工具，它显示了分类器对样本的预测结果与真实类别的对应关系。混淆矩阵是一个二维的表格，其中行表示实际的类别，列表

你的名字/ 2024年03月26日 09:28/ 0 赞/ 94 阅读

相关 python 混淆矩阵模板

from sklearn.metrics import confusion_matrix y_true = ["cat", "ant", "cat", "cat

雨点打透心脏的1/2处/ 2023年07月15日 09:04/ 0 赞/ 25 阅读

相关混淆矩阵tf.math.confusion_matrix

![20191009191333910.png][] [日萌社][Link 1] [人工智能AI：Keras PyTorch MXNet TensorFlow Pa

矫情吗；*/ 2023年07月03日 02:41/ 0 赞/ 13 阅读

相关 confusion matrix 混淆矩阵绘制

原理横轴一般是predict label，纵轴是ground truth label，对角线是预测正确的概率或个数绘制 sklearn 中confusion\

淡淡的烟草味﹌/ 2022年05月12日 02:50/ 0 赞/ 314 阅读

相关混淆矩阵

在介绍支持向量机之前呢，首先得先认识一下混淆矩阵，什么叫混淆矩阵呢。 1.混淆矩阵及其用法一般来说，如果我们是进行数据分类的话，混淆矩阵是我们常用的一个工具混淆

分手后的思念是犯贱/ 2022年03月17日 09:46/ 0 赞/ 403 阅读

相关 matplotlb 混淆矩阵论文用 python 画matlab产生的混淆矩阵

论文当中经常会见到： ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4u

待我称王封你为后i/ 2022年03月12日 06:14/ 0 赞/ 482 阅读

相关 latex 混淆矩阵

我们之前介绍过latex的表格。那么混淆矩阵本质上来讲也是一个表格。怎么简单，快速准确的画出来。如果先画出来，在插入到论文中，难免会low，而且放缩的话图片会失真。百度上是

电玩女神/ 2022年03月12日 04:14/ 0 赞/ 411 阅读

相关 Confusion Matrix（混淆矩阵）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

偏执的太偏执、/ 2022年03月01日 18:26/ 0 赞/ 300 阅读

相关 Python格式化输出混淆矩阵

混淆矩阵混淆矩阵可以用来观察模型预测结果，分析模型对各种类别预测能力。它由实际情况和预测情况两个维度构成。举个例子，你有10张图片，其中有4只狗图片，6只猫图片，这

r囧r小猫/ 2022年02月19日 11:07/ 0 赞/ 418 阅读

相关混淆矩阵

![Image 1][] 混淆矩阵（confusion matrix）衡量的是一个分类器分类的准确程度。理解其概念本身容易理解，但一些特定术语易被混淆。混淆矩阵适用于包含

桃扇骨/ 2022年01月29日 12:47/ 0 赞/ 294 阅读