混淆矩阵
显示预测类别与实际类别之间的比例关系。
输入
• 评估结果:分类算法测试的结果
输出
• 已选数据:从混淆矩阵中选出的数据子集
• 数据:附加了实例是否被选中信息的数据
混淆矩阵显示预测类别与实际类别之间的实例数量/比例。通过选择矩阵中的元素,可将对应的实例传递到输出信号中。这样,用户可以观察哪些具体实例被错误分类以及错误类型。
该小部件通常从 Test& Score 获取评估结果,示例如下图所示:
-
当评估结果包含多个学习算法的数据时,需在左侧的 学习器选择框 中选择一个算法。图中展示了基于鸢尾花数据训练的树模型和朴素贝叶斯模型的混淆矩阵。右侧显示的是朴素贝叶斯模型的矩阵(左侧选中该模型)。每一行对应真实类别,每一列对应预测类别。例如,4 个鸢尾花-杂色鸢尾(Iris-versicolor)的实例被错误分类为鸢尾花-维吉尼亚鸢尾(Iris-virginica)。最右侧一列