Demonstrieren Sie anhand eines Beispiels, wie Sie die Verwirrungsmatrix einer Binärklasse verstehen

Die Verwirrungsmatrix ist ein Bewertungsmodell, das Ingenieuren für maschinelles Lernen hilft, die Modellleistung besser zu verstehen. In diesem Artikel wird ein Datensatz mit unausgeglichenen Binärklassen als Beispiel verwendet. Der Testsatz besteht aus 60 positiven Klassenproben und 40 negativen Klassenproben, um das Modell für maschinelles Lernen zu bewerten.

Ein binärer Klassendatensatz hat nur zwei verschiedene Datenkategorien, die einfach als „Positiv“ und „Negativ“ bezeichnet werden können.

Um nun die Verwirrungsmatrix dieses binären Klassifizierungsproblems vollständig zu verstehen, müssen wir zunächst mit den folgenden Begriffen vertraut sein:

True Positive (TP) bedeutet, dass Proben, die zur positiven Klasse gehören, korrekt klassifiziert sind.

True Negative (TN) bedeutet, dass Proben, die zur Negativklasse gehören, korrekt klassifiziert sind.

Falsch positiv (FP) bedeutet, dass Proben, die zur Negativklasse gehören, fälschlicherweise als zur Positivklasse gehörend klassifiziert werden.

Falsch negativ (FN) bedeutet, dass Proben, die zur positiven Klasse gehören, fälschlicherweise als negative Klasse klassifiziert werden.

Ein Beispiel für die Verwirrungsmatrix, die wir durch Training des Modells erhalten können, ist oben für diesen Beispieldatensatz dargestellt.

Wenn wir die Zahlen in der ersten Spalte addieren, sehen wir, dass die Gesamtzahl der Proben in der Positivklasse 45+15=60 beträgt. Addieren Sie die Zahlen in der zweiten Spalte, um die Anzahl der Stichproben in der negativen Klasse zu erhalten, in diesem Fall 40. Die Summe der Zahlen in allen Kästchen ergibt die Gesamtzahl der ausgewerteten Proben. Darüber hinaus sind die korrekten Kategorien die Diagonalelemente der Matrix – 45 für die positive Kategorie und 32 für die negative Kategorie.

Jetzt klassifiziert das Modell das Feld unten links als positive Probe, daher wird es „FN“ genannt, weil das vom Modell vorhergesagte „Negativ“ falsch ist. Ebenso wird erwartet, dass das Feld oben rechts zur negativen Klasse gehört, vom Modell jedoch als „positiv“ klassifiziert wird. Daher werden sie „FP“ genannt. Mithilfe dieser vier verschiedenen Zahlen in der Matrix können wir das Modell genauer bewerten.

Das obige ist der detaillierte Inhalt vonDemonstrieren Sie anhand eines Beispiels, wie Sie die Verwirrungsmatrix einer Binärklasse verstehen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!