混亂矩陣

基於已知真值的一組測試資料，可以使用混淆矩陣來評估分類器。它是一個簡單的工具，有助於提供所用演算法效能的良好視覺概覽。

混淆矩陣表示為表格。在這個例子中，我們將檢視二進位制分類器的混淆矩陣。

在左側，可以看到 Actual 類（標記為 YES 或 NO ），而 top 表示正在預測和輸出的類（再次是 YES 或 NO ）。

這意味著 50 個測試例項（實際上是 NO 例項）被分類器正確標記為 NO 。這些被稱為真陰性（TN） 。相反，100 個實際 YES 例項被分類器正確標記為 YES 例項。這些被稱為真陽性（TP） 。

5 個實際的 YES 例項被分類器錯誤標記。這些被稱為假陰性（FN） 。此外，10 個 NO 例項被分類器視為 YES 例項，因此這些是假陽性（FP） 。

基於這些 FP ， TP ， FN 和 TN ，我們可以得出進一步的結論。

• 真陽性率 ：

  • 試圖回答： 當一個例項實際上是 YES ，多久沒有分類預測是？
  • 可以如下計算： TP /#actual YES instances = 100/105 = 0.95

• 誤報率 ：

  • 試圖回答： 當一個例項實際上是 NO ，多久沒有分類預測是？
  • 可以如下計算： FP /#實際 NO 例項= 10/60 = 0.17