快捷導(dǎo)航

混淆矩陣Confusion?Matrix概念分析翻譯

更新時(shí)間：2022年06月07日 11:05:32 作者：vesper305

這篇文章主要為大家介紹了混淆矩陣Confusion?Matrix分析的翻譯，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

Confusion Matrix

在機(jī)器學(xué)習(xí)領(lǐng)域，混淆矩陣（confusion matrix），又稱為可能性表格或是錯(cuò)誤矩陣。它是一種特定的矩陣用來呈現(xiàn)算法性能的可視化效果，通常是監(jiān)督學(xué)習(xí)（非監(jiān)督學(xué)習(xí)，通常用匹配矩陣：matching matrix）。

其每一列代表預(yù)測(cè)值，每一行代表的是實(shí)際的類別。這個(gè)名字來源于它可以非常容易的表明多個(gè)類別是否有混淆（也就是一個(gè)class被預(yù)測(cè)成另一個(gè)class）。

Example

假設(shè)有一個(gè)用來對(duì)貓（cats）、狗（dogs）、兔子（rabbits）進(jìn)行分類的系統(tǒng)，混淆矩陣就是為了進(jìn)一步分析性能而對(duì)該算法測(cè)試結(jié)果做出的總結(jié)。假設(shè)總共有 27 只動(dòng)物：8只貓， 6條狗， 13只兔子。結(jié)果的混淆矩陣如下圖：

在這個(gè)混淆矩陣中，實(shí)際有 8只貓，但是系統(tǒng)將其中3只預(yù)測(cè)成了狗；對(duì)于 6條狗，其中有 1條被預(yù)測(cè)成了兔子，2條被預(yù)測(cè)成了貓。從混淆矩陣中我們可以看出系統(tǒng)對(duì)于區(qū)分貓和狗存在一些問題，但是區(qū)分兔子和其他動(dòng)物的效果還是不錯(cuò)的。所有正確的預(yù)測(cè)結(jié)果都在對(duì)角線上，所以從混淆矩陣中可以很方便直觀的看出哪里有錯(cuò)誤，因?yàn)樗麄兂尸F(xiàn)在對(duì)角線外面。

Table of confusion

在預(yù)測(cè)分析中，混淆表格（有時(shí)候也稱為混淆矩陣），是由false positives，falsenegatives，true positives和true negatives組成的兩行兩列的表格。它允許我們做出更多的分析，而不僅僅是局限在正確率。準(zhǔn)確率對(duì)于分類器的性能分析來說，并不是一個(gè)很好地衡量指標(biāo)，因?yàn)槿绻麛?shù)據(jù)集不平衡（每一類的數(shù)據(jù)樣本數(shù)量相差太大），很可能會(huì)出現(xiàn)誤導(dǎo)性的結(jié)果。例如，如果在一個(gè)數(shù)據(jù)集中有95只貓，但是只有5條狗，那么某些分類器很可能偏向于將所有的樣本預(yù)測(cè)成貓。整體準(zhǔn)確率為95%，但是實(shí)際上該分類器對(duì)貓的識(shí)別率是100%，而對(duì)狗的識(shí)別率是0%。

對(duì)于上面的混淆矩陣，其對(duì)應(yīng)的對(duì)貓這個(gè)類別的混淆表格如下：

假定一個(gè)實(shí)驗(yàn)有 P個(gè)positive實(shí)例，在某些條件下有 N 個(gè)negative實(shí)例。那么上面這四個(gè)輸出可以用下面的偶然性表格（或混淆矩陣）來表示：

公式陳列、定義如下：

True positive(TP)	eqv. with hit
True negative(TN)	eqv. with correct rejection
False positive(FP)	eqv. with false alarm, Type I error
False negative(FN)	eqv. with miss, Type II error

Sensitivity ortrue positive rate(TPR) eqv. with hit rate, recall	TPR = TP/P = TP/(TP + FN)
Specificity(SPC)ortrue negative rate(TNR)	SPC = TN/N = TN/(FP + TN)
Precision orpositive prediction value(PPV)	PPV = TP/(TP + FP)
Negative predictive value(NPV)	NPV = TN/(TN + FN)
Fall-out orfalse positive rate(FPR)	FPR = FP/N = FP/(FP + TN)
False discovery rate(FDR)	FDR = FP/(FP + TP) = 1 - PPV
Miss Rate orFalse Negative Rate(FNR)	FNR = FN/P = FN/(FN + TP)
Accuracy(ACC)	ACC = (TP + TN)/(P + N)