來源 |?數據科學CLUB

封圖 | CSDN 下載自視覺中國

混淆矩陣是一個表，經常用來描述分類模型(或“分類器”)在已知真實值的一組測試數據上的性能?；煜仃嚤旧肀容^容易理解，但是相關術語可能會令人混淆。

讓我們從一個二進制分類器的混淆矩陣示例開始(盡管它可以很容易地擴展到兩個以上的類):

我們能從這個矩陣中了解到什么?

• 有兩種可能的預測類:“yes”和“no”。例如，如果我們預測一種疾病的存在，“yes”意味著他們有這種疾病，“no”意味著他們沒有這種疾病。

• 分類器總共做出165個預測(例如，165名患者正在接受該疾病存在的測試)。

• 在這165個病例中，分類器預測“yes”110次，“no”55次。

• 事實上，樣本中有105名患者患有此病，60名患者沒有患病。

現在讓我們定義最基本的術語:

• true positives (TP): 在這些情況下，我們預測“yes”(他們有這種病)，并且他們確實有這種病。

• true negatives (TN): 我們預測“no”，事實上他們確實沒有患病。

• false positives (FP): 我們預測“yes”，但是他們實際上并沒有患病。(也稱為“第一類錯誤”。)

• false negatives (FN): 我們預測“no”，但他們確實有這種疾病。(也稱為“第二類錯誤”。)

我已經將這些項添加到混淆矩陣中，并且添加了行和列總數:

這是一個比率的列表，通常是從一個混淆矩陣的二元分類器里得出:

• 準確率（Accuracy）:總的來說，分類器的準確率是多少?

• • (TP+TN)/total = (100+50)/165 = 0.91

• 誤分類率（Misclassification Rate）:總的來說，錯分類的頻率是多少?

• • (FP+FN)/total = (10+5)/165 = 0.09

  • 等于1減去準確率

  • 也被稱為“錯誤率（Error Rate）”

• 真陽性率（True Positive Rate）:當它實際上是“yes”時，它預測為“yes”的頻率是多少?

• • TP/actual yes = 100/105 = 0.95

  • 也被稱為"Sensitivity"或"Recall"

• 假陽性率（False Positive Rate）:當它實際上是“no”的時候，它預測為“yes”的頻率是多少?

• • FP/actual no = 10/60 = 0.17

• 真陰性率（True Negative Rate）:當它實際上是“no”時，它預測“no”的頻率是多少?

• • TN/actual no = 50/60 = 0.83

  • 等于1減去假陽性率

  • 也被稱為"特異性（Specificity）"

• 精度（Precision）:當它預測“yes”類時，正確預測的概率是多少?

• • TP/predicted yes = 100/110 = 0.91

• Prevalence:在我們的樣本中，“yes”條件實際發生的頻率是多少?

• actual yes/total = 105/165 = 0.64

還有幾個術語也值得一提:

• 零錯誤率（Null Error Rate）: 這是如果你總是預測大多數類，你就會錯的頻率。(在我們的例子中，零錯誤率將是60/165=0.36，因為如果你總是預測yes，那么您只會在60個“no”的情況下出錯。)這可以作為比較分類器的基準度量。然而，對于一個特定的應用程序，最好的分類器有時會有比零錯誤率更高的錯誤率，正如 “Accuracy Paradox（精確度悖論）”所證明的那樣。

• Cohen's Kappa: 這本質上是對分類器的性能的一種度量，與它僅僅是偶然的性能進行比較。換句話說，如果模型的準確率和零錯誤率之間有很大的差異，那么模型的Kappa分數就會很高。

• F Score:這是真實陽性率(召回率)和正確率的加權平均值。

• ROC曲線:這是一個常用的圖表，它總結了分類器在所有可能閾值上的性能。當你改變將觀察值分配給給定類的閾值時，通過繪制真陽性率（y軸）與假陽性率（x軸）來生成它。

推薦閱讀

• 如何成為一名黑客？

• 一篇與眾不同的 String、StringBuilder 和 StringBuffer 詳解
  

• 干貨 | 大白話徹底搞懂 HBase RowKey 詳細設計

• 發送0.55 ETH花費近260萬美元！這筆神秘交易引發大猜想

• Python 爬取周杰倫《Mojito》MV 彈幕，這個評論亮了！

• 谷歌 Chrome 將棄用“黑名單”，“Master/Slave”主從模式也要換名？

• 京東姚霆：推理能力，正是多模態技術未來亟需突破的瓶頸！

真香，朕在看了！

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的一文带你了解混淆矩阵！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。