贝叶斯网络的混淆矩阵

Question

我正在努力了解贝叶斯网络。我有一个有10个属性的数据文件，我想获取这个数据表的混淆表，我想我需要计算所有字段的tp，fp，fn，tn。这是真的吗？如果它是我需要为贝叶斯网络做的事情。

真的需要一些指导，我迷路了。

Answer 1

这个过程通常是这样的：

• 您有一些标记的数据实例 你想用来训练一个 分类器，以便它可以预测 新的未标记实例的类。
• 使用您的分类器 选择（神经网络，贝叶斯 net，SVM等...）我们建立一个 模型与您的训练数据 作为输入。
• 此时，您通常会喜欢 评估的表现 部署之前的模型。所以用一个 以前未使用过的数据子集 （测试集），我们比较模型 这些情况的分类 与实际班级相反。一个 总结这些结果的好方法 是由混淆矩阵表明 每类实例如何 预测。

对于二进制分类任务，惯例是将一个类指定为正，另一个指定为否定。因此，从混淆矩阵中，正确分类为正的正实例的百分比被称为真阳性（TP）率。其他定义遵循相同的惯例......

Answer 2

Confusion matrix用于评估分类器任何分类器的性能。

Answer 3

你要问的是一个包含两个以上类的混淆矩阵。 以下是您的操作步骤：

• 为每个类构建一个分类器，其中训练集包含在内 类中的文档集（正标签）及其 补充（否定标签）。
• 给出测试文档，分别应用每个分类器。
• 将文档分配给具有最高分数的班级 最大置信度值或最大概率

以下是您可以获得更多信息的论文参考：

Picca, Davide, Benoît Curdy, and François Bavaud.2006.Non-linear correspondence analysis in text retrieval: A kernel view. In Proc. JADT.