from sklearn import metrics
cm_train = metrics.confusion_matrix(y_train, model.predict(x_train)) #訓練樣本的混淆矩陣
在總共66個動物中，我們一共**對了10 + 15 + 20=45個樣本，所以準確率（accuracy）=45/66 = 68.2%。
precision
實這13只貓只有10只**對了。模型認為是貓的13只動物裡，有1條狗，兩隻豬。所以，precision（貓）= 10/13 = 76.9%
recall
我們的模型認為裡面只有10只是貓，剩下的3只是狗，5只都是豬。這5只八成是橘貓，能理解。所以，recall（貓）= 10/18 = 55.6%
機器學習（混淆矩陣）
1 混淆矩陣 真實性positive 1 negative 0 值poistive 1 tp true positive 11 fp false positive 01 negative 0 fn false negaative 10 tn true negative 00 2 四種指標 公式意義 ...
機器學習筆記 混淆矩陣
import pandas as pd import numpy as np from sklearn.preprocessing import labelencoder from sklearn.cross validation import train test split 交叉驗證,拆分資料集...
機器學習之混淆矩陣
再分類任務下，結果和真實情況之間存在四種不同的組合，這四種組合構成了混淆矩陣。舉個例子，看下圖。當真實情況是貓，結果也是貓的時候，這個時候定義為真正例 當真實情況是貓，而 結果不是貓的時候定義為偽反例子 當真實情況不是貓，而 結果是貓時定義為偽正例 當真實情況不是貓 結果也不是貓時定義為真反例。這個...