混淆矩陣（confusion matrix）：混淆矩陣也稱為誤差矩陣，是表示精度評價的一種標準格式，判斷分類好壞的方法。
當**為真，實際為真時結果為tp（true positive）；
當**為真，實際為假時結果為fp（false positive）；
當**為假，實際為真時結果為fn（false negative）；
當**為假，實際為假時結果為tn（true negative）；
看到上面的這個混淆矩陣，第一行表示有五個樣本**值與實際值相同，而有三個樣本數被錯分到dog中，同樣的看第二行表示有三個樣本**值與實際值相同，而分別由兩個和乙個樣本被錯分到cat和rabbit中，第三行同理，其實混淆矩陣也就是乙個用於判斷值的偏離程度的矩陣，由這張圖就可以看出rabbit偏離程度不高，另外兩個就較高了
另外一張圖弄懂混淆矩陣：
混淆矩陣（confusion matrix）
乙個完美的分類模型是，將實際上是good的例項 成good，將bad的例項 稱bad。對於實際應用中的分類模型，可能 錯誤例項型別，因此我們需要知道到底 對了多少例項，錯了多少例項。混淆矩陣就是將這些資訊放在乙個表中，便於直觀的觀測和分析。在分類問題中，的情形存在如下四種 1.good good t...
混淆矩陣 Confusion Matrix
混淆矩陣是除了roc曲線和auc之外的另乙個判斷分類好壞程度的方法。以下有幾個概念需要先說明 tp true positive 真實為0，也為0 fn false negative 真實為0，為1 fp false positive 真實為1，為0 tn true negative 真實為1，也為1...
初學混淆矩陣
在中，混淆矩陣 confusion matrix 是視覺化工具，一般也叫做匹配矩陣。混淆矩陣的每一列代表了 類別，每一行代表了資料的真實歸屬類別，每一列的總數表示 為該類別的資料的數目 即通過演算法被分為該類的數目 每一行的資料總數表示該類別的資料例項的數目 如下表，第一行第一列中的43表示有43個...