对于我的2个类别（name和1 = [0, 1]）的CNN模型，我使用0 = [1, 0]查找该模型的混淆矩阵。我的结果之一类似于下面的验证集：
tf.confusion_matrix经过一番搜索后，我发现阅读不止一种，其中一些说[ [1800 17]
[283 600] ]
，但另一些人则以[[TN FP][FN TP]]的方式阅读，我很困惑哪一种适合我的情况？如果可以的话，请给我一个取决于科学研究的答案。
答案 0 :(得分：1)
真相在代码背后;） https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/confusion_matrix.py
类标签应从0开始。例如，如果
num_classes为3，则可能的标签为[0, 1, 2]。 请注意，假定可能的标签为[0, 1, 2, 3, 4]， 产生5x5的混淆矩阵。
所以最好不要将一个热张量传递给该函数;）（tf.argmax在这里可能是个好朋友）
这意味着第一个元素（行0 col 0）对应于已被正确分类为类0的元素数量。
第0行第1行将与类别0的未分类元素相对应，依此类推。