matrix - 贝叶斯网络的混淆矩阵

Question

我正在尝试了解贝叶斯网络。我有一个有10个属性的数据文件，我想获取这个数据表的混淆表，我想我需要计算所有字段的tp，fp，fn，tn。是真的吗？如果是这样，那么我需要为贝叶斯网络做些什么。

真的需要一些指导，我迷路了。

Answer 1

这个过程通常是这样的：

• 您有一些标记数据实例，您想用它们来训练分类器，以便它可以预测新的未标记实例的类别。
• 使用您选择的分类器（神经网络、贝叶斯网络、SVM 等），我们以您的训练数据作为输入来构建模型。
• 此时，您通常希望在部署模型之前评估它的性能。因此，使用以前未使用的数据子集（测试集），我们将这些实例的模型分类与实际类的分类进行比较。总结这些结果的一个好方法是使用混淆矩阵，它显示了如何预测每类实例。

对于二元分类任务，惯例是将一个类指定为正类，将另一个类指定为负类。因此，从混淆矩阵中，被正确分类为正例的正例的百分比被称为真正例（TP）率。其他定义遵循相同的约定......

Answer 2

混淆矩阵用于评估分类器的性能，任何分类器。

Answer 3

您要问的是一个具有两个以上类别的混淆矩阵。以下是您的操作步骤：

• 为每个类构建一个分类器，其中训练集由类中的文档集（正标签）及其补集（负标签）组成。
• 给定测试文档，分别应用每个分类器。
• 将文档分配给具有最大分数、最大置信度值或最大概率的类

以下是该论文的参考资料，您可以了解更多信息：

Picca, Davide, Benoît Curdy, and François Bavaud.2006.Non-linear correspondence analysis in text retrieval: A kernel view. In Proc. JADT.