解释混淆矩阵

Question

我需要创建一个分类模型来预测某个事件的类别 - 1,2或3.我到目前为止尝试了两个模型：多类决策树＆amp;多类神经网络。以下是每个人的准确度得分和混淆矩阵。

多类决策树：

总体准确度0.634 平均准确度为0.756 微观平均精度为0.634 宏观平均精度0.585184 微观平均回忆0.634 宏观平均召回0.548334

混淆矩阵：

1. 40.3％53.6％6.1％
2. 6.6％76.6％16.8％
3. 0.6％51.8％47.6％

多类神经网络： 总体准确度0.5865 平均准确度0.724333 微观平均精度0.5865 宏观平均精度为0.583795 微观平均召回0.5865 宏观平均召回0.460215

混淆矩阵：

1. 34.8％63.5％1.7％
2. 2.9％89.3％7.7％

3. 0.1％85.9％13.9％

   我认为这意味着在Class2上，两个模型都做得很好，尤其是神经网络模型。在其他类中，决策树模型做得更好，但仍然低于50％。

如何根据这些指标改善结果？谢谢。

Answer 1

删除ID功能，同时检查并删除您认为不会对预测（ID等任何其他功能）或具有唯一值的功能添加任何值的任何功能。还要检查是否存在任何类不平衡（数据中每个类的样本数量是多少，各类之间是否存在适当的平衡？）。然后尝试应用模型并调整参数以获得更好的结果。您可以使用交叉验证来获得更好的结果。