从〇开始深度学习(番外)——混淆矩阵(Confusion Matrix)

从〇开始深度学习(番外)------混淆矩阵(Confusion Matrix)

文章目录

写在前面

《从〇开始深度学习(番外)》系列主要记录一些细碎知识点和技能,与主线并不冲突。如果主线笔记中用得到番外篇的知识或技能,会在文中贴出链接,为此不必担心遗漏知识。

本篇的内容主要是浅析一下混淆矩阵和归一化混淆矩阵。

1.混淆矩阵

混淆矩阵是一种用于评估分类模型性能的表格形式,它以实际类别(真实值)和模型预测类别为基础,将样本分类结果进行统计和汇总。这里看一个实例:

对于二分类问题,混淆矩阵通常是一个2×2的矩阵,包括真阳性(True Positive, TP)、真阴性(True Negative, TN)、假阳性(False Positive, FP)和假阴性(False Negative, FN)四个元素。

这个5*5的矩阵是这样理解的:

真实值=holothurian 真实值=echinus 真实值=starfish 真实值=scallop 真实值=background
预测值=holothurian
预测值=echinus
预测值=starfish
预测值=scallop
预测值=background

而矩阵中的数值就是出现该情况的频次。

2.归一化混淆矩阵

混淆矩阵的归一化,就是对混淆矩阵做了一个归一化处理,对混淆矩阵进行归一化可以将每个单元格的值除以该类别实际样本数,从而得到表示分类准确率的百分比。这种标准化使得我们可以直观地比较类别间的分类准确率,并识别出模型在哪些类别上表现较好或较差。

实际上就是:
频次 总样本数 \frac{频次}{总样本数} 总样本数频次

相关推荐
红苕稀饭66643 分钟前
RISE论文阅读
论文阅读·人工智能·计算机视觉
cxr8282 小时前
分享一个知识工程师单体智能体的简单提示词
人工智能·智能体·提示词工程·ai赋能·上下文工程
w0000062 小时前
图像分类项目
人工智能·分类·数据挖掘
扫地的小何尚3 小时前
NVIDIA Dynamo深度解析:如何优雅地解决LLM推理中的KV缓存瓶颈
开发语言·人工智能·深度学习·机器学习·缓存·llm·nvidia
张较瘦_5 小时前
[论文阅读] AI赋能 | 当AI看懂交通摄像头:多模态大模型零样本检测的实战报告
论文阅读·人工智能
cxr8285 小时前
BMAD框架实践:掌握story-checklist提升用户故事质量
前端·人工智能·agi·智能体·ai赋能
Dongsheng_20197 小时前
【汽车篇】AI深度学习在汽车零部件外观检测——机电轴承的应用
人工智能·深度学习·汽车
江瀚视野7 小时前
汽车价格战全面熄火了?不卷价格该卷什么?
人工智能·自动驾驶
资讯全球8 小时前
2025年智慧差旅平台推荐
人工智能
en-route8 小时前
从零开始学神经网络——LSTM(长短期记忆网络)
人工智能·深度学习·lstm