混淆矩阵(听课笔记)

这篇具有很好参考价值的文章主要介绍了混淆矩阵(听课笔记)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言

混淆矩阵是评判模型结果的一种指标,属于模型评估的一部分,常用于评判分类器模型的优劣。

Confusion Matrix

混淆矩阵(听课笔记)

混淆矩阵常用于验证集中,横坐标True Labels对应真实类别,纵坐标Predicted Labels对应网络的预测类别。

对角线上的数值代表预测正确的样本个数。我们期望在网络预测过程中,尽可能将预测类别分布在对角线上。预测值在对角线上分布的越密集,就说明模型性能越好。并且通过混淆矩阵能看到网络对于哪些类别更容易分类出错,而且可以看到在哪些类别之间更容易出错。通过对混淆矩阵的进一步处理,可以进一步得到精确率(PPV)召回率(TPR)特异度(TNR) 三个指标。

注意:在往常的分类网络中只计算了准确率(Accuracy),这里的精确率是不一样的概念。

以二分类模型为例,每一列代表真实值标签,每一行代表预测值的标签。Positive对应正样本,Negative对应负样本。则有以下四种情况:

  • 真实值=positive,预测值=positive (True Positive=TP)
  • 真实值=positive,预测值=negative (False Negative=FN)统计学中的第二类错误“弃真”
  • 真实值=negative,预测值=positive (False Positive=FP)统计学中的第一类错误“取伪”
  • 真实值=negative,预测值=negative (True Negative=TN)

期望:TP和TN越大越好;FN和FP越小越好
混淆矩阵(听课笔记)
混淆矩阵(听课笔记)

编程实现

对花卉分类数据集使用MobileNetV2网络进行训练,在测试集上得到混淆矩阵结果如下:
混淆矩阵(听课笔记)
混淆矩阵(听课笔记)文章来源地址https://www.toymoban.com/news/detail-479211.html

参考

  1. 分类模型评判指标(一) - 混淆矩阵(Confusion Matrix)
  2. 使用pytorch和tensorflow计算分类模型的混淆矩阵

到了这里,关于混淆矩阵(听课笔记)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 利用python绘制混淆矩阵

    利用python绘制混淆矩阵,直接附代码。 简单理解混淆矩阵的元素含义,例如下面第一行第二个的“3”表示实际标签为类别0的预测成类别1的有3个样本。 附效果图: 如果需要切换不同的颜色,如:

    2024年02月16日
    浏览(47)
  • 混淆矩阵含义及作用

    在机器学习领域, 混淆矩阵(Confusion Matrix) ,又称为可能性矩阵或错误矩阵。混淆矩阵是可视化工具,特别用于监督学习,在 无监督学习 一般叫做 匹配矩阵 。在图像精度评价中,主要用于比较分类结果和实际测得值,可以把分类结果的精度显示在一个混淆矩阵里面 混淆

    2024年02月05日
    浏览(33)
  • pytorch 计算混淆矩阵

    混淆矩阵是评估模型结果的一种指标 用来判断分类模型的好坏  预测对了 为对角线  还可以通过矩阵的上下角发现哪些容易出错 从这个 矩阵出发 可以得到 acc != precision recall  特异度?    目标检测01笔记AP mAP recall precision是什么 查全率是什么 查准率是什么 什么是准确率

    2024年02月02日
    浏览(42)
  • 混淆矩阵的绘制

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 主要展示在分类算法预测的过程中,加入混淆矩阵的绘制。 代码如下(示例): 代码如下(示例): 代码如下(示例): 代码如下(示例):

    2024年02月15日
    浏览(32)
  • yolov7混淆矩阵

    测试部分代码 混淆矩阵代码: 数据集划分代码:

    2024年01月19日
    浏览(33)
  • 混淆矩阵的生成

    混淆矩阵(Confusion Matrix)是一个二维表格,常用于评价分类模型的性能。在混淆矩阵中,每一列代表了预测值,每一行代表了真实值。因此,混淆矩阵中的每一个元素表示了一个样本被预测为某一类别的次数。混淆矩阵的构成如下: 预测值=正例 预测值=反例 真实值=正例 T

    2023年04月18日
    浏览(39)
  • 绘制混淆矩阵(MatLab/Python)

    本文主要简单介绍如何绘制混淆矩阵       首先混淆矩阵是机器学习中总结分类模型预测结果的情形分析表,以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。         其实混淆矩阵就是用来判断我们的算法的分类准确度的一个可

    2024年02月08日
    浏览(36)
  • Python数据分析:混淆矩阵

    【小白从小学Python、C、Java】 【Python全国计算机等级考试】 【Python数据分析考试必会题】 ● 标题与摘要 Python数据分析 混淆矩阵 ● 选择题 以下关于混淆矩阵说法错误的是: A TP是被正确分类的正例个数 B FN是被错误分类的正例个数 C 主对角元素是不同类别样例被正确分类的

    2023年04月08日
    浏览(40)
  • python实现混淆矩阵(numpy)

    假设有A、B、C、D、E五个类别 step1:将pred和label进行一对一组合 Step2:遍历list_pred_label,将其中的类别转为混淆矩阵索引(A:0,B:1,C:2,D:3,E:4) step3:对混淆矩阵进行赋值

    2024年02月12日
    浏览(35)
  • Python手动输入混淆矩阵,并计算混淆矩阵的准确率、精确率、召回率、特异度、F1-score

    其中json格式的文件如下: {     \\\"0\\\": \\\"13\\\",     \\\"1\\\": \\\"18\\\",     \\\"2\\\": \\\"23\\\",     \\\"3\\\": \\\"28\\\",     \\\"4\\\": \\\"33\\\" } 可以按照以上格式(以5分类为例),先写在记事本上再更改后缀名 *注意最后一个后面没有 “,”  没有扩展名的看下面这个图给它调出来↓ 代码部分参考如下:  参考文献:使用

    2024年02月13日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包