我该如何计算真正的，真的负数，假阳性和假阴性

其实我在specificity和sensitivity上工作。我必须计算混淆矩阵。但我不知道如何计算。预测IO模型的输出分为正面，负面和中性三类。当我的输出超过2个类时，任何人都可以告诉我如何计算混淆矩阵。这可能是一个愚蠢的问题，所以请指导我如何实现我的目标。我该如何计算真正的，真的负数，假阳性和假阴性

Sensitivity = (no of true positive)/ ((no of true positive)+(no of false negative))

或

Sensitivity = (no of true positive)/ ((no of true positive)+(no of false negative)+(no of false neutral))

我应该有用于灵敏度

感谢。

来源

2015-11-03 Kishore Kumar Suthar

http://stats.stackexchange.com/questions/51296/how-to-calculate-precision-and-recall-for-multiclass-classification-using-confus – tripleee

术语“正面”和“负面”仅对二项式分类器有意义 - 当您获得正确的“是，这属于这里”时为真正的正面，当您正确地获得“否，不属于该类别“。所以只能有两个类别，或者实际上只有一个类别及其补充。所有不属于这个范畴的东西都是消极的。然后混淆矩阵如下所示：

P N 
P 7 3 
N 2 9

因此在本例中，您有7个真正的肯定和9个真正的否定。如果分类器对负样品返回正值，则有2个误报;同样，有3个假阴性。但是，这可以概括为多项混淆矩阵。只需在矩阵中添加更多单元格，为每个组合留出空间。

A B C 
A 7 6 2 
B - 19 1 
C 3 9 7

在整个范围内，您都可以从分类器中得到结果。向下，你有每个样本的实际类别。所以你在对角线上有7个“真A”，19“真B”和7“真C”，而其他的则是混淆 - 1“假C”应该是B而不是9“假B”本应该是C等等。

来源

2015-11-03 06:11:02 tripleee

看到更新的问题。哪一个是灵敏度的正确公式 –

快速的谷歌搜索表明，这不是一个成熟的概念。您可以按照[建议]（http://www.columbia.edu/~so33/SusDev/Lecture_10.pdf）对每个类别做“猫”与“不猫”，但此时可能会问您的教授。 – tripleee

获得答案后更改问题在这里不是好的形式。也许你应该简单地接受这个答案，并用你的新问题发布一个新问题。但是，这在编程问题的主题之外变得越来越危险;也许可以尝试https://stats.stackexchange.com/（不要非常熟悉他们的指导方针，所以先检查他们）。 – tripleee

我该如何计算真正的，真的负数，假阳性和假阴性

回答

相关问题