confusion-matrix

0热度

1回答

precision_recall_fscore_support的准确度，精密度返回相同的价值观和召回

我正在训练逻辑回归分类模型，并试图利用混淆矩阵结果进行比较，并计算精度，召回，下面 # logistic regression classification model clf_lr = sklearn.linear_model.LogisticRegression(penalty='l2', class_weight='balanced') logistic_fit=clf_lr.fit(T

7热度

4回答

混淆矩阵错误时阵列尺寸大小3

此代码的： from pandas_ml import ConfusionMatrix y_actu = [1,2] y_pred = [1,2] cm = ConfusionMatrix(y_actu, y_pred) cm.print_stats() 打印： population: 2 P: 1 N: 1 PositiveTest: 1 NegativeTest: 1 T

1热度

1回答

混淆矩阵丢失实例

我正在使用PySpark来生成和验证预测。我有一个正确的列的数据框，我将它传递给MulticlassMetrics以获得混淆矩阵。但是当我检查混淆矩阵时，它缺少大部分值（数据帧有超过120.000行，混淆矩阵只有8个值）。为什么它失去了其余的？编辑：为了澄清，我不希望混淆矩阵与数据集具有相同的大小，我的数据中有两个类，我期望矩阵实例的总和与我的数据中的行数。问题是，我在我的数据约120.000行

0热度

2回答

从多个.csv文件创建混淆矩阵

我有很多.csv文件，格式如下。 338,800 338,550 339,670 340,600 327,500 301,430 299,350 284,339 284,338 283,335 283,330 283,310 282,310 282,300 282,300 283,290 从第1列，我想读当前行，并与上一行的值进行比较。如果它大于或等于，则继续比较

0热度

1回答

Matlab中混淆矩阵的最小和最大值

在Matlab中，我有一个包含100个混淆矩阵的单元格。例如confusionMatrix{1} = 16 1 0 0 12 2 0 10 9 如何找到两者混淆矩阵出这些有最好的和最差的预测率（非对角线元素之和）？

1热度

2回答

如何解释H2O的混淆矩阵？

我使用的是h2o 3.10.4.8版本。 library(magrittr) library(h2o) h2o.init(nthreads = -1, max_mem_size = "6g") data.url <- "https://raw.githubusercontent.com/DarrenCook/h2o/bk/datasets/" iris.hex <- paste0(d

1热度

1回答

是否有可能从R中的混淆矩阵中检索出假阳性和假阴性？

我已经使用R生成了一个混淆矩阵，如下所示。是否可以从该矩阵中检索61的假负值并将其分配给R中的变量？ $ byClass似乎不适用于这种情况。谢谢。 Confusion Matrix and Statistics Reference Prediction no yes no 9889 61 yes 6 44 Accura

0热度

2回答

使用joblib存储模型时使用什么分数度量？

我已经使用joblib.dump来存储机器学习模型（21个类）。当我调用模型并用一个保留集测试它时，我得到一个值，我不知道它是什么指标（准确度，精确度，召回率等）？ 0.952380952381 所以我计算的混淆矩阵和FP，FN，TN，TP。我从这次Link 的信息，我也发现从Github一些代码。我比较了两个结果（1和2）。两者都给出相同的准确度值= 0.995464852608。但是这个

0热度

1回答

如何在TensorFlow中获得ROC_Curve和混乱矩阵

我想在Tensorflow中获取roc_curve和混淆矩阵。我使用了sklearn.metrics函数，并且出现错误。我的代码如下：从sklearn.metrics进口roc_curve，AUC n_inputs = x_train.shape[1] n_hidden1 = 500 n_hidden2 = 200 n_outputs = 2 learning_rate = 0.01

0热度

1回答

多级分类器评估

我曾研究过分类器，特别是多分类器。我的问题是，当我使用精度和回忆来评估分类器时，我不明白的意思是假阳性和假阴性在多分类器分类器评估中。例如，当我对一个文档（它的真实类别是C-1）进行分类时，分类器将它归类为C-2。那么，我应该增加C-2的假阳性并增加C-1的假阴性吗？（因为真正的答案是C-1。）