如何计算混淆矩阵？

Question

这是我能够生成的WEKA输出。不幸的是，我不知道如何计算混淆矩阵。有人可以帮我计算吗？

=== Classifier model (full training set) ===

J48 pruned tree

-----------------

plas <= 127: negative (485.0/94.0)
plas > 127
|   mass <= 29.9
|   |   plas <= 145: negative (41.0/6.0)
|   |   plas > 145
|   |   |   age <= 25: negative (4.0)
|   |   |   age > 25
|   |   |   |   age <= 61: positive (27.0/9.0)
|   |   |   |   age > 61: negative (4.0)
|   mass > 29.9
|   |   plas <= 157
|   |   |   age <= 30: negative (50.0/23.0)
|   |   |   age > 30: positive (65.0/18.0)
|   |   plas > 157: positive (92.0/12.0)

Number of Leaves  : 8

Size of the tree :  15

一个。使用WEKA输出构建混淆矩阵。 （提示：查看每个叶节点以确定有多少实例落入四个象限中的每一个;以及聚合所有叶节点的结果以获得最终计数）

TP =？

FP =？

FN =？

TN =？

湾在医学诊断中，常用三个指标：敏感性，特异性和诊断准确性。灵敏度定义为TP /（TP + FN）;特异性定义为TN /（FP + TN）;诊断准确度定义为灵敏度和特异性的平均值。根据上面的混淆矩阵计算诊断准确度。

如果有人可以帮助我，我会非常感激。谢谢！

Answer 1

在“分类”面板中，单击“更多选项”，单击“输出混淆矩阵”，单击“确定”。

我添加了相应GUI屏幕和对话框的屏幕截图。在sccreenshot中，“More options ...”按钮（1）显示为灰色，因为我已经点击了它。

Answer 2

这里要填写所需的表格，您必须了解每个叶子的树和数字。 树的根节点是'plas＆＃39;。它有两个孩子。所有输入的情况都是＆＃39; plas＆＃39;小于或等于127落在第一个孩子，而所有情况下，＆＃39; plas＆＃39;大于127落在第二。第一个孩子的叶子阴性表明第一个孩子的病例都是阴性。括号中的图485表示具有＆＃39; plas＆＃39;小于等于127＆amp; 94表示在这485个案件中，有94个被错误归类为否定。树的其余部分也是如此。所以，

• TP = 145
• FP = 39
• TN = 461
• FN = 123

希望这会有所帮助。评论是否有任何可疑之处。