借用其它博客的一张例子示意图,该图为一个三分类问题的混淆矩阵,对角线的值表示分类器对该类别预测正确的个数,每一列纵轴表示这个类别真实的样本数,例如从第一列可以得知猫一共有10+3+5=18只,因此总样本数为三列之和,即66。
下面以猫为例,介绍从混淆矩阵中计算TP、TN、FP、FN。
TP(True Positive)
和FN(False Negative)
:从第一列可知,猫一共有18
只,其中只有10
个被分类器正确预测,而有3
只被预测成狗,5
只被预测成猪,因此对猫这个类别来说,TP=10(正确预测成猫的样本数)
,FN=8(被预测成其它类别的样本数)
;
FP(False Positive)
:从第一行可以得知分类器一共将10+1+2=13
个样本预测成猫,其中正确的只有10
个,错误的有3
个,因此FP=3(被错误预测成猫的样本数)
。
TN(True Negative)
:TN
表示分类器正确将不是猫的样本预测为其它类别的样本数,从第一行可知分类器将13
个样本预测为猫,因此它将66-13=53
个样本预测成了其它类别,而从第一列可知有8
个样本本来是猫却被错误预测为其它类别(即FN
),因此正确将不是猫的样本分成其它类别的有53-8=45
个,整个计算公式就是 TN=66-13-8=66-(TP+FP+FN)
,所以TN
一般会放在最后计算。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)