confusion-matrix

    0热度

    2回答

    我工作的一个垃圾邮件过滤器采矿项目手工计算混淆矩阵和我目前使用NaiveBayesMultinomial分类由数字出现的频率从非垃圾分类垃圾邮件。 的事情是WEKA设定0.5作为阈值分类为默认值。但是,将非垃圾邮件分类为垃圾邮件会造成很大的负面影响,我想调整阈值并查看混淆矩阵如何变化。 我有很多的成千上万的数据,我不知道我是否可以改变可能的阈值是算法。如果我需要手动操作,我将如何利用WEKA提供的

    4热度

    1回答

    我的问题与此one有关,用table()函数在R中产生混淆矩阵。我正在寻找一个解决方案,而不使用包装(例如脱字符号)。 比方说,这些都是我们predictions,并在二元分类问题labels: predictions <- c(0.61, 0.36, 0.43, 0.14, 0.38, 0.24, 0.97, 0.89, 0.78, 0.86, 0.15, 0.52, 0.74, 0.24)

    -1热度

    1回答

    *嗨,再次我在比较混淆矩阵的问题。贝娄我提供了两个混淆矩阵。 a b classified as 349 58 a tested_negative 93 124 b tested_positive a b classified as 346 61 a tested_negative 90 127 b tested_positive i k

    8热度

    1回答

    在R caret库中,如果我得到如下所示的混淆矩阵,是否有办法检索总体准确度0.992?我不能得到这个单一的值,因为我需要存储这个值并将其用于以后的处理。这可能吗? Prediction A B C D E A 1114 2 0 0 0 B 9 745 5 0 0 C 0 6 674 4 0 D 0 0 3 640 0 E 0

    1热度

    1回答

    我正在使用Python中的sci-kit学习支持向量机。 我已经训练了模型,使用了GridSearch和交叉验证来找到最佳参数,并且有 评估了15%坚持组的最佳模型。 在最后的混淆矩阵说我有0错误分类。 后来,模型给了我不正确的预测,当我给它一个手写数字(我没有包括这个代码,以保持这个问题恭敬地短)。 由于SVM具有零误差,并且后来无法正确预测,所以我错误地构建了此SVM。 我的问题是这样的: 我

    1热度

    1回答

    我必须使用k最近邻居来对虹膜数据进行分类,(k = 1:30)我已经将数据分成样本和涉及Leave-one-out交叉验证,所以我有以下脚本: load fisheriris group=[ones(1,50), 2*ones(1,50), 3*ones(1,50)]'; for k=(1:30); for i=(1:150); sample=meas(i,:

    2热度

    1回答

    随着scikit学习,我已经建立了一个支持向量机,用于基本的手写数字检测问题。 我的总数据集包括235个观察值。我的观察每个都包含1025个特征。我知道使用支持向量机的优点之一就是在这种情况下,只有少量的观察值具有大量的特征。 创建我的SVM后,我看我的混淆矩阵(下)... Confusion Matrix: [[ 6 0] [ 0 30]] ...并认识到,伸出我的数据的15%用于测试(

    2热度

    1回答

    我想绘制一个混淆矩阵,但我不想仅使用热图,因为我认为它们给出的数值分辨率很差。相反,我也想绘制广场中间的频率。例如,我喜欢这样的输出: library(mlearning); data("Glass", package = "mlbench") Glass$Type <- as.factor(paste("Glass", Glass$Type)) summary(glassLvq <- m

    0热度

    1回答

    我有一个20x20的混淆矩阵。我如何计算代表完整系统的FAR,FRR,精度和精度值?不是针对每个班级,而是针对整个系统。

    2热度

    1回答

    我刚刚开始玩弄R中的随机森林包。在我的森林生长后,我尝试使用相同的数据集(即训练数据集)预测响应,这给了我一个与那个印有森林物体本身。我认为newdata参数可能有问题,但我遵循文档中给出的例子给t,它给出了同样的问题。以下是使用Species数据集的示例。这是作者在他们的文档中使用的例子,除了我使用相同的数据集来训练和预测... 所以这里的问题是:为什么这两个混淆矩阵不相同? data(iris