混淆矩阵初级指南

我们将探讨以下关键点：
• 什么是混淆矩阵？
• 与混淆矩阵相关的术语。
• 还将通过示例进一步探讨这些术语。
什么是混淆矩阵？

假设我们要为种植两种作物构建一个分类模型，即。

1. 山药
2. 土豆
   

与土豆的价格相比，山药的售价更高。
因此，我们构建的分类器的任务是正确地对这两种作物进行分类，以便农作物可以通过以正确的市场价格出售作物来最大化他的利润。
因此，将 20 个样本发送给我们以检查分类器的性能，在这 20 个样本中，11 个样本是山药，9 个样本是土豆。

图 2 为我们提供构建的分类器的混淆矩阵，它基本上告诉我们，列是我们的实际类，行是分类器预测的预测类，它还告诉我们：
在 11 个山药样本中，5 个被正确归类为山药，6 个被错误归类为土豆。同样，在 9 个土豆本中，2 个被错误地归类为山药，7 个被错误归类为土豆。
这意味着在 20 个样本中，有 12 个被正确分类（图 2 中绿色框的总和），8 个被错误分类（图 2 中红色框的总和）。同样从图 2 中，我们了解到分类器在正确分类山药方面表现得非常糟糕，但在正确分类土豆方面做得不错。
因此，如果我们要用简单的词定义一个混淆矩阵，那么我们可以说：
“混淆矩阵帮助我们了解每个类的正确和错误分类的数量。”

与混淆矩阵相关的术语
每当我们遇到与混淆矩阵相关的讨论时，我们经常会听到诸如“召回”、“精度”和“