我正在编写一段代码来评估我的聚类算法，我发现每种评估方法都需要来自m*n矩阵的基本数据，例如A = {aij}其中aij是作为类ci成员的数据点数和集群kj的元素数。
但引入数据挖掘（Pang-Ning Tan等人）似乎有两种这样的矩阵，一种是混淆矩阵，另一种是列联表。我不完全理解两者之间的区别。哪个最能描述我想要使用的矩阵？
非常感谢您的回答！
答案 0 :(得分：24)
在人工智能领域，混淆矩阵是一种 通常用于监督学习的可视化工具（in 无监督学习通常称为匹配矩阵）。每 矩阵的列表示预测类中的实例， 而每一行代表一个实际类中的实例。
混淆矩阵应该清楚，它基本上告诉了多少实际结果与预测结果相匹配。例如，请参阅此混淆矩阵
predicted class
c1 - c2
Actual class c1 15 - 3
___________________
c2 0 - 2
它告诉我们：
Column1，第1行意味着分类器预测了15个属于类c1的项目，实际上有15个项目属于类c1（这是正确的预测）
第二列第1行告诉分类器预测有3个项属于类c2，但它们实际上属于类c1（这是一个错误的预测）
第1列第2行表示实际上属于类c2的项目都没有被预测属于类c1（这是一个错误的预测）
第2列第2行表示属于类c2的2个项目预计属于类c2（这是正确的预测）
现在从你的书中看到准确度和错误率的公式（第4章，4.2），你应该能够清楚地理解什么是混淆矩阵。它用于使用具有已知结果的数据来测试分类器的准确性。 K-Fold方法（在本书中也提到）是计算分类器准确性的方法之一，也已在您的书中提到过。
现在，对于列联表： Wikipedia's definition：
在统计中，列联表（也称为交叉表） 制表或交叉制表符是一种矩阵格式的表格 显示变量的（多变量）频率分布。 它通常用于记录和分析两者之间的关系 更多分类变量。
在数据挖掘中，列联表用于显示阅读中出现的项目，例如在交易中或销售分析的购物车中。例如（这是你提到的书中的例子）：
Coffee !coffee
tea 150 50 200
!tea 650 150 800
800 200 1000
它告诉我们在1000个回复中（关于他们喜欢咖啡和茶，或两者或其中之一，调查结果的反应）：
列联表用于查找关联规则的支持和置信度，主要用于评估关联规则（参阅第6章，6.7.1）。
现在不同的是，混淆矩阵用于评估分类器的性能，它告诉分类器在分类预测中的准确程度，并且列联表用于评估关联规则。
现在看完答案后，稍微谷歌（在阅读你的书时总是使用谷歌），阅读书中的内容，看几个例子，不要忘记解决书中给出的一些练习，你应该有一个关于它们的清晰概念，以及在某种情况下使用什么以及为什么。
希望这有帮助。
答案 1 :(得分：0)
简而言之，列联表用于描述数据。正如其他人指出的那样，在比较两个假设时经常使用混淆矩阵。可以将预测分类与实际分类/分类视为两个假设，其中基本事实为零，模型输出为替代。