采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
现在我知道了多分类的混淆矩阵,请问如何根据这个混淆矩阵求出准确率、精准率、和召回率。主要是多分类的混淆矩阵的TP、TN、FP、FN这些不知道怎么算。
对于多分类问题,首先,对于每一个类的精准率(Precision)和召回率(Recall),定义和二分类问题一致,但是计算上不再需要TP,FP,FN等量了:)
比如对A, B, C三类有如下混淆矩阵:
A B C
A
10
1
2
B
11
3
C
5
8
行表示真值;列表示预测值。
此时,每一类都有自己的精准率和召回率。
精准率表示正确预测X占所有预测X的比例。
所以对于A类来说,Precision(A) = 10 / (10 + 2 + 5) = 10 / 17
所以对于B类来说,Precision(B) = 11 / (1 + 11 + 3) = 11 / 15
所以对于C类来说,Precision(C) = 8 / (2 + 3 + 8) = 8 / 13
召回率表示正确预测X占所有真实X的比例。
所以对于A类来说,Recall(A) = 10 / (10 + 1 + 2) = 10 / 13
所以对于B类来说,Recall(B) = 11 / (2 + 11 + 3) = 11 / 16
所以对于C类来说,Recall(C) = 8 / (5 + 3 + 8) = 8 / 16
在这个基础上,整个算法的精准率和召回率,可以简单地使用平均值法。
即:
Precision = (Precision(A) + Precision(B) + Precision(C)) / 3 = 0.6457
Recall = (Recall(A) + Recall(B) + Recall(C)) / 3 = 0.6522
加油!:)
好的。谢谢老师~
我在计算中遇到一点问题。 请问老师你的例子中,TN(A)是11+3+3+8=25还是TN(A)=11+8=19呢? 准确度的计算是 预测正确的数量/总数量 对吧。 但在混淆矩阵中貌似是这样计算的:accuracy = (TP+TN)/(TP+TN+FP+FN);对于二分类,(TP+TN)/(TP+TN+FP+FN) 等于 预测正确的数量/总数量。 但对于多分类来说,(TP+TN)/(TP+TN+FP+FN) 大于 常规的计算(TP(A)+TP(B)+TP(C))/总的。
准确度的计算不需要使用TP, FP, FN等概念,直接使用 正确预测数量/总数 就好。TP,FP,FN等概念是用于求precision和recall的:)
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.7k 19
3.7k 17
3.1k 15
1.7k 15
1.6k 14
购课补贴联系客服咨询优惠详情
慕课网APP您的移动学习伙伴
扫描二维码关注慕课网微信公众号