Confusion Matrix函数

首页 / 机器学习入门教程 / Confusion Matrix函数

这是衡量分类问题性能的最简单方法,其中输出可以是两种或多种类型的类。混淆矩阵不过是具有二维的表。 "实际"和"预测",此外,这两个维度均具有"真阳性(TP)","真阴性(TN)","假阳性(FP)","假阴性(FN)",如下所示-

Confusion Matrix

与混淆矩阵相关的术语的解释如下-

  • True Positives (TP) − It is the case when both actual class & predicted class of data point is 1.

  • True Negatives (TN) − It is the case when both actual class & predicted class of data point is 0.

  • False Positives (FP) − It is the case when actual class of data point is 0 & predicted class of data point is 1.

  • False Negatives (FN) − It is the case when actual class of data point is 1 & predicted class of data point is 0.

我们可以借助sklearn的 confusion_matrix()函数找到混淆矩阵。借助以下脚本,我们可以找到上面构建的二进制分类器的混淆矩阵-

from sklearn.metrics import confusion_matrix

输出

[[ 73 7]
[ 4 144]]

准确性

它可以定义为我们的ML模型做出的正确预测的数量。我们可以借助以下公式轻松地通过混淆矩阵进行计算-

$$准确性 =\frac{TP+TN}{TP+FP+FN+TN}$$

对于以上构建的二进制分类器,TP + TN=73 + 144=217和TP + FP + FN + TN=73 + 7 + 4 + 144=228。

Hence, 准确性=217/228=0.951754385965 which is same as we have calculated after creating our binary classifier.

精确

精确, used in document retrievals, may be defined as the number of correct documents returned by our ML model. We can easily calculate it by confusion matrix with the help of following formula −

$$精确 =\frac{TP}{TP+FP}$$

对于上面构建的二进制分类器,TP=73,TP + FP=73 + 7=80。

Hence, 精确=73/80=0.915

召回或敏感性

召回率可以定义为我们的ML模型返回的肯定数。我们可以借助以下公式轻松地通过混淆矩阵进行计算-

$$Recall =\frac {TP} {TP + FN} $$

对于上述内置的二进制分类器,TP=73,TP + FN=73 + 4=77。

Hence, 精确=73/77=0.94805

特异性

特异性, in contrast to recall, may be defined as the number of negatives returned by our ML model. We can easily calculate it by confusion matrix with the help of following formula −

$$特异性 =\frac{TN}{TN+FP}$$

对于上面构建的二进制分类器,TN=144和TN + FP=144 + 7=151。

Hence, 精确=144/151=0.95364

这一章《分类算法 - 简介 - Confusion Matrix函数》你学到了什么?在下面做个笔记吧!做站不易,你的分享是对我们最大的支持

好记忆不如烂笔头。留下你的足迹吧 :)

相关推荐

邱岳的产品手记 -〔邱岳 - 〕

10x程序员工作法 -〔郑晔 - 〕

许式伟的架构课 -〔许式伟 - 〕

说透5G -〔杨四昌 - 〕

将字符串键和数组值的嵌套字典转换为 pyarrow 表

在组的子组中使用模式中的缺失值替换网络

试图同时创建两个对象,但它创建了一个

按时间间隔分组和计数 - Python

为什么我在这里得到零?分配数组元素

如何在不 destruct `attrs` 验证器函数的情况下对其进行注释?

视频推荐

Python机器学习 - 10-逻辑回归原理 更多视频教程 »