envi混淆矩阵怎么看？
编辑：自学文库
时间：2024年03月09日
在混淆矩阵中，行表示实际类别，列表示预测类别。
混淆矩阵的4个单元格分别被命名为True Positive (TP)、False Negative (FN)、False Positive (FP)和True Negative (TN)。
其中，TP表示实际为正类且预测为正类的样本数量，FN表示实际为正类但预测为负类的样本数量，FP表示实际为负类但预测为正类的样本数量，TN表示实际为负类且预测为负类的样本数量。
通过观察混淆矩阵，我们可以得到分类模型的几个重要指标： 1. 精确度（Precision）： TP / (TP + FP)，表示分类器预测为正类中的真实正类数占所有预测为正类数的比例。
2. 召回率（Recall）： TP / (TP + FN)，表示分类器正确预测为正类的正类数占所有实际正类数的比例。
3. F1度量（F1-measure）：综合考虑精确度和召回率，F1 = 2 * precision * recall / (precision + recall)。
4. 准确率（Accuracy）： (TP + TN) / (TP + FN + FP + TN)，表示分类器正确分类的样本数占总样本数的比例。
通过观察混淆矩阵可以看出模型在不同类别上的表现情况，如模型对于哪个类别的分类效果较好，对于哪个类别的分类效果较差等。
同时，从混淆矩阵中也可以直观地观察到模型的偏差情况，比如是否有较多的误分类样本。
总而言之，混淆矩阵通过可视化地展示分类模型的性能，帮助我们理解模型在不同类别上的表现以及偏差情况，从而指导我们对模型进行改进或优化。