问题标签 [confusion-matrix]

在 R 中，如何以百分比（或 1 的分数）获得混淆矩阵。“caret”包提供了有用的功能，但显示了样本的绝对数量。

我是使用 Orange GUI 的新手。我用旧标签（例如集群 ID）测试了一些数据。然后我使用 K-means 聚类生成新数据，其中新的属性由集群 ID 的新标签产生。但问题是我不知道如何在Orange GUI上操作来评估新旧标签之间的聚类效果如下：

(1)混淆矩阵(GUI)不能直接连接到k-means聚类的输出数据。我想我需要训练我的数据。但我不知道如何训练它并将训练数据与标记数据进行比较以获得混淆矩阵。

(2) ROC(GUI) 也无法连接。而且我推测如果在测试学习者和混淆矩阵工作之后，ROC 可能会工作。

如果您使用过 Orange(GUI)，我将不胜感激您的帮助。希望您能指导我如何处理这些图标和连接以评估 k-means 聚类效果。谢谢！

如果我的描述不好，你可以在这里留言，我会每天早晚检查。我的国家采用UTC +8区。

:-)

我有一个关于 numpy 矩阵的非常普遍的问题：我试图根据线条对结果进行标准化，但我得到了一些奇怪的白线。这是因为在除法的某个地方卡住了一些零吗？

这是代码：

谢谢你的时间 ！（希望答案不要太明显）

I'm using a confusion matrix that is working just fine until I get to a specific part of my numpy arrays.

The ground truth results are stored in an array called y_test, while the classfiers' results are stored in r.

When I use the confusion matrix for the whole set of results, there are no problems.

But I want to divide the results from my experiment. I have 3 specific classifiers' results which are stored in arrays called c, b and t.

Now I want to compare the results of these 3 specific classifiers against some specific indices of the overall results. For example, I want to highlight the confusion matrix for the results for classifier C specifically from indices 91 to 180 of the overall results.

For classifier B I want to see the confusion matrix of the results from indices 1 to 90. And so on.

This is my code, below. For the first 2 confusion matrices, there are no problems. They show up fine.

But for the last set of results above (using the results array from classifier T), I get the following error:

I don't know what's wrong.

我有以下数据集weather.nominal.arff

我写了一个简单的程序如下。

我得到了以下结果。

现在，当我在 Weka GUI 中使用相同的 weather.nominal 数据集时，我得到以下结果。

我需要在程序中进行哪些更改才能获得 Weka GUI 生成的结果？值在生成的混淆矩阵中交叉。

更新 我提到了 arff 文件，但我从数据库中获取了相同的值，因为我在数据库中存储了相同的值。该问题仅在我使用数据库时出现，而不是在我使用普通 arff 文件时出现。

从数据库加载值的代码。

我有如下混淆矩阵：

现在如何从这个混淆矩阵中找到真阳性、真阴性、假阳性和假阴性值。Weka 给我的 TP Rate 和 True positive value 一样吗？

我遵循了具有 10 倍交叉验证的 MATLAB KNN 分类器的示例，我在计算模型性能的阶段迷失了方向，请查看我下面的代码，并就如何正确获得百分比分类的准确性提出建议（ %)，我没有得到 cVError = 1-mean(errorMat) 部分。其次，fitcknn 和 knn.predict 函数用于训练和测试模型，我需要帮助我如何创建自己的函数来完成相同的任务。谢谢你。

我遵循了具有 10 倍交叉验证的 MATLAB KNN 分类器的示例，我在计算模型性能的阶段迷失了方向，请查看我下面的代码，并就如何正确获得百分比分类的准确性提出建议（ %)，我没有得到 cVError = 1-mean(errorMat) 部分。其次，fitcknn 和 knn.predict 函数用于训练和测试模型，我需要帮助我如何创建自己的函数来完成相同的任务。谢谢你。

我用我的数据创建了一个random forest：

我可以很容易地看到我的confusion matrix：

现在我需要知道随机森林的准确性。我四处搜索并意识到插入符号库有一个confusionMatrix方法可以获取混淆矩阵并返回准确性（以及许多其他值）。但是，该方法需要另一个名为"reference". 我的问题是如何为获得随机森林准确性的方法提供参考？而且......这是获得随机森林准确性的正确方法吗？

我将两种无监督算法应用于相同的数据，并想从结果中制作一个混淆矩阵，我应该如何在R中实现它？

R 代码示例如下：

xx.2 是两种算法的预测结果，数字表示有多少观察被分类为 Algo1_X 和 Algo2_X：

问题是，我应该如何通过使用 Algo1 的结果作为参考来重新排列矩阵以获得混淆矩阵？有两个问题：

1. 确定两种算法之间的对应关系，即我认为最相似的分类应该配对的方法；

2. 矩阵重新排列，使对话线具有最大的相交值。

这里，Algo2_1 和 Algo1_1 的交叉值最大，它们是一对；那么 Algo1_2 和 Algo2_3 应该是一对，因为它们在左列/行中的值第二大，所以 Algo2_3 应该移动到第二列。

我怎么能在 R 中轻松做到这一点？或者有用于此目的的软件包？

谢谢！