如何从8x8混淆矩阵中查找TP、TN、FP和FN值
我有混乱矩阵如下：
a b c d e f g h <-- classified as
1086 7 1 0 2 4 0 0 | a
7 1064 8 6 0 2 2 0 | b
0 2 1091 2 3 0 1 1 | c
0 8 0 1090 1 1 0 0 | d
1 1 1 1 597 2 2 0 | e
4 2 1 0 3 1089 0 1 | f
0 2 1 3 0 0 219 0 | g
0 0 1 0 1 4 1 443 | h
现在如何从这个混淆矩阵中找到真正、真负、假正和假负值。Weka给我的TP利率和真正的正值一样吗？
共有2个答案
a b c d e f g h
1086 7 1 0 2 4 0 0 | a
7 1064 8 6 0 2 2 0 | b
0 2 1091 2 3 0 1 1 | c
0 8 0 1090 1 1 0 0 | d
1 1 1 1 597 2 2 0 | e
4 2 1 0 3 1089 0 1 | f
0 2 1 3 0 0 219 0 | g
0 0 1 0 1 4 1 0 | h
您总共有8个类：a、b、c、d、e、f、g、h。因此，您将获得8个不同的TP、FP、FN、和TN数字。例如，在a类的情况下，
TP (instance belongs to a, classified as a) = 1086
FP (instance belongs to others, classified as a) = 7 + 0 + 0 + 1 + 4 + 0 + 0 = 12
FN (instance belongs to a, classified as others) = 7 + 1 + 0 + 2 + 4 + 0 + 0 = 14
TN (instance belongs to others, classified as others) = Total instance - (TP + FP + FN)
TP比率不是TP。它是召回或TP/TP-FN。
-
具有获取分类指标的强大功能，尽管我认为缺少的是在给定预测和实际标签序列的情况下返回TP、FN、FP和FN计数的函数。甚至从混淆矩阵。 我知道可以使用获取混淆矩阵，但我需要实际的TP、FN、FP和FN计数（对于多标签分类-超过2个标签），并为每个类获取这些计数。 比如说，我有下面的混淆矩阵和3个类。是否有一些包可以从中获取每个类的计数？我什么也找不到。
-
X代表特征，Y代表图像分类的标签。我使用CNN进行二进制图像分类，就像猫和狗一样。 预测和y_test形状的输出是（90,2）和（90，），当我使用混淆矩阵时，它刷新：-ValueError：分类指标不能处理二进制和连续多输出目标的混合。
-
我正在对实际数据和来自分类器的预测数据进行多标签分类。实际数据包括三类（c1、c2和c3），同样，预测数据也包括三类（c1、c2和c3）。数据如下 在多标签分类中，文档可能属于多个类别。在上述数据中，1表示文档属于特定类，0表示文档不属于特定类。 第一行Actual\u数据表示文档属于c1类和c2类，不属于c3类。类似地，第一行predicted\u数据表示文档属于类别c1、c2和c3。 最初我使
-
我试图弄清楚如何使用神经网络为多标签分类任务生成混淆矩阵。我之前设法使用函数“交集”计算准确性，因为对此我不关心任何排序。 然而，为了计算混淆矩阵，我确实关心预测/标签的索引顺序。由于标签的值始终相同（
-
我得到了混淆矩阵，但是因为我的实际数据集有很多分类类别，所以很难理解。 范例- 但是如何打印标签/列名以便更好地理解呢？ 我甚至试过这个- 需要帮忙吗？
-
对不起，我是新来WEKA，刚刚学习。 在我的决策树（J48）分类器输出中，有一个混淆矩阵： 我如何读取这个矩阵？