混淆矩阵、ROC曲线以及文件处理

混淆矩阵

  多分类问题混淆矩阵以上图为例，对于Ck类，它的Precision为TP除以其所在列的和（即Estimate上的和）；它的Recall是TP除以其所在行（gt真实标注）的和。

ROC曲线

   这是完美ROC曲线，正负样本完全分开，竖线为置信度阈值，左边为预测负样本，右边为预测正样本。TP为正样本且预测为正样本（绿的且在右边）；FN为负样本且预测为负样本（紫的且在左边）；FP为正样本预测为负样本（绿的但在左边）；TN为负样本预测为正样本（紫的但在右边）。在蓝色例子中，左边为预测负的，但有三个本身是正的，五个本身是负的，所以TP=2，FN=5，FP=3，TN=0。

F1score调和平均数

   规律就是，若任意一个P、R很低，则F1score就会很低，如P=0，R=100，则最终还是趋近于0。只有二者都较高，才会获得较高的调和平均数。

  

文件处理

写入txt文件且换行

with open('classes.txt', 'w') as f: 
    for i in classes:
        line = str(i) + '\n'
        f.write(line)