Question

实际上我正在处理specificity和sensitivity。我必须计算混淆矩阵。但我不知道如何计算。预测IO模型的输出分为3类，如正，负和中性。当我的输出超过2个类时，任何人都可以告诉我如何计算混淆矩阵。这可能是一个愚蠢的问题，所以请指导我如何实现我的目标。

Sensitivity = ( no of true positive)/ ((no of true positive)+(no of false negative))

或

Sensitivity = ( no of true positive)/ ((no of true positive)+(no of false negative)+(no of false neutral))

我应该将其用于敏感度

感谢。

Answer 1

条款＆＃34;肯定＆＃34;和＆＃34;否定＆＃34;只有二项式分类器才有意义 - 真正的正面是当你得到一个正确的＆＃34;是的，这属于这里＆＃34;当你正确得到时，这是真正的否定＆＃34;不，这不属于类别＆＃34;。所以只能有两个类别，或者实际上只有一个类别，以及它的补充。不属于该类别的所有内容都是否定的。然后混淆矩阵看起来像这样：

   P   N
P  7   3
N  2   9

所以在这个例子中，你有7个真阳性和9个真阴性。如果分类器对阴性样本返回阳性，则有2个误报;同样，有3个假阴性。

但是，这可以推广到多项式混淆矩阵。只需在矩阵中添加更多单元格，即可为每种组合腾出空间。

    A    B    C
A   7    6    2
B   -   19    1
C   3    9    7

您可以从分类器获得结果。向下，您有每个样本的实际类别。所以你有7＆＃34;真A＆＃34;，19＆＃34;真B＆＃34;和7＆＃34;真C＆＃34;穿过对角线，其他人感到困惑 - 1＆＃34;假C＆＃34;应该是B而不是9＆＃34;假B＆＃34;应该是C代替，等等。

我如何计算真阳性，真阴性，假阳性和假阴性

1 个答案: