问题标签 [confusion-matrix]

我正在使用R包confusionMatrix中的函数来计算我拥有的一些数据的一些统计数据。我一直在将我的预测以及我的实际值放入函数中，以获取要在函数中使用的表，如下所示：carettableconfusionMatrix

然而，有多种可能的结果（例如 A、B、C、D），我的预测并不总是代表所有的可能性（例如只有 A、B、D）。函数的结果输出table不包括缺失的结果，如下所示：

该confusionMatrix函数无法处理丢失的结果并给出错误：

有没有办法我可以table不同地使用该函数来获取带有零的缺失行，或者以confusionMatrix不同的方式使用该函数，以便它将缺失的结果视为零？

注意：由于我是随机选择要测试的数据，因此有时一个类别也没有在实际结果中表示，而不仅仅是预测结果。我不相信这会改变解决方案。

I was currently doing a project on Vehicle classification and it has almost finished now but I have several confusion about the plots I get from my Neural Network

I used 230 images [90=Hatchbacks,90=Sedans,50=SUVs] for classification on 80 feature points. Thus my vInput was a [80x230] matrix and my vTarget was [3x230] matrix

Classifier works well but I don't understand these plots or if they are abnormal or not.

My neural Network

Then I clicked these 4 plots in the PLOT section and got these sequentially.

Performance Plot

Training State

Confusion Plot

Receiver Operating Characteristic Plot

I know the images they are a lots of images but I know nothing about them. On the matlab documentation they just train the system and plot the graph
So please someone briefly explain them to me or show me some good links to learn them.

如何分析 Weka 中的混淆矩阵以获得准确度？我们知道，由于数据集不平衡，准确性并不准确。混淆矩阵如何“确认”准确性？

示例： a) 准确度 96.1728 %

b) 准确度：96.8 %

ETC...

我有一个这样的混淆矩阵：

其中行代表事实，列代表分类结果。我想在网格中以图形方式绘制它。我试过surface了，但它只显示一个 4x4 的图形，而我的矩阵有 5x5 大小。我怎样才能做到这一点？

我想在 rms 包中使用 lrm 函数创建一个逻辑回归分类表，然后绘制 roc 曲线。我使用 glm 函数执行了此操作。示例代码

如何使用 lrm 函数获取混淆矩阵？

在使用rpart()和predict()命令生成预测模型后，我应该在 R 中使用什么命令来执行混淆矩阵？

我想以清晰的方式总结真阳性、假阴性、假阳性和真阴性。在相同的矩阵中具有灵敏度、特异性、阳性预测值和阴性预测值也会很棒。

资料来源：http ://en.wikipedia.org/wiki/Sensitivity_and_specificity

我正在尝试使用 WEKA 及其分类选项获得良好的准确性。

通过使用这种方法，我无法涵盖所有​​选项，这就是为什么我担心我可能会错过最佳分类以获得最佳 J48 树解决方案。

我尝试过使用许多分类和方法，例如（NB、costSensitive、attributeClassifier 等），并且每一个都至少有几个选项。

我的问题是：

是否有任何选项可以让软件（WEKA 或其他软件）运行（甚至几天！！）以找到最佳解决方案的最佳分类？如果更具体地说，我可以确定我想要的混淆矩阵，软件会告诉我使用哪些分类或选项？

confusion_matrix()我使用scikit-learn为我的分类器计算了一个混淆矩阵。混淆矩阵的对角线元素表示预测标签等于真实标签的点的数量，而非对角线元素是那些被分类器错误标记的点。

我想标准化我的混淆矩阵，使其仅包含 0 到 1 之间的数字。我想从矩阵中读取正确分类样本的百分比。

我找到了几种方法来规范化矩阵（行和列规范化），但我对数学知之甚少，不确定这是否是正确的方法。

我一生都无法弄清楚如何在 rpart 上计算混淆矩阵。

这是我所做的：

现在，我想我会做类似的事情

但这并没有给我一个混淆矩阵。

我正在研究支持向量机，在 Python 中使用 sci-kit learn。

我已经训练了模型，使用 GridSearch 和交叉验证来找到最佳参数，并在 15% 的保留集上评估了最佳模型。

最后的混淆矩阵说我有 0 个错误分类。
后来，当我给它一个手写数字时，模型给了我不正确的预测（我没有包含这个代码，以保持这个问题简短）。

因为 SVM 的误差为零，而且后来它无法正确预测，所以我错误地构建了这个 SVM。

我的问题是这样的：

我是否正确地怀疑我以某种方式错误地使用了交叉验证和 GridSearch？还是我给了 GridSearch 参数有些荒谬，并且给了我错误的结果？

感谢您花时间和精力阅读本文。

第 1 步：使用 train_test_split 函数将数据集拆分为 85%/15%

第 2 步：将 GridSearchCV 函数应用于训练集以调整分类器

输出在这里：

第 3 步：最后，在剩余的 15% 保留集上评估调整后的分类器。

输出在这里：