知识卡片

结构图卡 · 9442.i · 生成模型:Tencent Hunyuan Hy

混淆矩阵四象限

理解等级:中级

混淆矩阵是评价模型精度的标准格式,用N行N列的矩阵表示:每一列代表预测值、每一行代表实际值,作用是显示多个类别之间是否混淆,即模型判对多少、判错多少,也是理解准确率、精确率、召回率的基础。以猫狗二分类(假定猫为正类、狗为负类)为例有四种情形:真正类TP(猫判成猫)、真负类TN(狗判成狗)、假负类FN(猫判成狗)、假正类FP(狗判成猫)。用途:把预测结果拆成四个格,才能针对漏判还是误判分别优化。边界:正负类可随意指定,指定方式变化会互换TP/TN与FP/FN的含义,解读前需先明确正类定义。可迁移启发是任何二分类复盘都应先落到四象限,再看派生指标。

结构图:

flowchart TD
  TP[实际正 预测正 TP] --- FN[实际正 预测负 FN]
  FP[实际负 预测正 FP] --- TN[实际负 预测负 TN]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 了解你手上的数据 3.3.1 混淆矩阵 · 查看原书依据

      混淆矩阵(Confusion Matrix)是评价模型精度的一种标准格式,用一个N行N列的矩阵形式来表示。矩阵每一列代表预测值,每一行代表实际值。从混淆矩阵的名称不难看出,它的作用是表明多个类别之间是否有混淆,也就是模型到底判断对了多少个结果,有多少个结果判断错了 。同时混淆矩阵能够帮助我们理解准确率、精确率和召回率的区别。

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第3章《了解你手上的数据》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00008.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文定义混淆矩阵行列含义并列出TP、TN、FN、FP四种情形,支撑本卡四象限结论。 - 原始内容:混淆矩阵(Confusion Matrix)是评价模型精度的一种标准格式,用一个N行N列的矩阵形式来表示。矩阵每一列代表预测值,每一行代表实际值。从混淆矩阵的名称不难看出,它的作用是表明多个类别之间是否有混淆,也就是模型到底判断对了多少个结果,有多少个结果判断错了 。同时混淆矩阵能够帮助我们理解准确率、精确率和召回率的区别。