第57集 python机器学习:混淆矩阵( 二 )

[[401   2

[  8  39

有上述运行结果可见 , 得到的是一个2*2数组 , 其中行对应于真实的类别 , 列对应于预测的类别 。 数组中每个元素给出属于该行的类别(这里是“非9”和“9”)的样本被分类到这列对应类别中的数量 , 如下图进行说明:

mglearn.plots.plot_confusion_matrix_illustration()

“9与其他”分类 任务的混淆矩阵

混淆矩阵主对角线(对于一个矩阵A来说 , 主对角线为A[i i
)上的元素对应于正确的分类 , 而其他元素则告诉我们一个类别中有多少个样本被错误的划分到其他类别中 。

如果我们将“9\"作为正类 , 那么就可以将混淆矩阵的元素与前面介绍的假正例(false positive)和假反例(false negative)两个俗语联系起来 。

下面我们将真证例 , 真反例 , 假正例和假反例分别简写为TN、TP、FN、FP , 然后就可以得到如下图的混淆矩阵解释:

推荐阅读