如何从7x7混淆矩阵计算类的准确性？

Question

所以我在我的数据集上得到了NaïvesBayes分类的以下结果：

但我仍然坚持理解如何解释数据。我想找到并比较每个班级（a-g）的准确性。

我知道使用这个公式可以找到准确度：

但是，让我们上课。如果我取正确分类的实例数量 - 313 - 并将其除以行a中的'a'（4953）的总数，则得到~6.32％。这会是准确性吗？

编辑：如果我们使用列而不是行，我们得到313/1199，这得到~26.1％，这似乎是一个更合理的数字。

编辑2：我已经使用上面显示的精确度计算计算了excel中a的准确度，它的准确度为84％：

这似乎不对，因为分类的整体准确性成功率为~24％

Answer 1

否 - 您计算的所有内容均为tp/(tp+fn)，即a类的正确标识总数除以实际a示例的总和。这是召回，而不是准确性。你需要包括其他两个数字。

fp是a列的其余部分; tn是非a行和列中的所有其他数字，即6x6子矩阵。这会将所有35K +试验减少到标有a和not a的2x2矩阵，这是您已经熟悉的2x2混淆矩阵。

是的，您可以为七个功能中的每一个重复这种减少。我建议以编程方式进行。

回应OP更新

你的准确度 那么高：你有巨大数量的真阴性，而不是一个被正确归类为不是的样本 - 一个。

也许它感觉不对，因为我们的经验更多地关注有问题的课程。有[其他统计数据处理这一焦点。

• 召回是tp / (tp+fn) - 实际上在课程a中的所有项目，我们正确识别的百分比是多少？这是6.32％的数字。
• 精确度是tp / (tp + fp) - 标识为班级a的所有项目，实际上该班级的百分比。这是您计算的26.1％数字。