积分商城

最新搜索： 六氟化硫高压断路器状态检修导则 路径规划 FT4SWR芯片 AN10216 ILI
您现在的位置是：首页 > 技术资料 > 混淆矩阵衍生指标.docx
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

混淆矩阵衍生指标.docx

更新时间：2026-08-16 14:18:32 大小：18K 上传用户：烟雨查看TA发布的资源 标签：混淆矩阵模型评估分类指标机器学习深度学习 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

混淆矩阵衍生指标

混淆矩阵是机器学习、深度学习分类任务中最基础的模型性能评估工具，它以二维表格的形式直观展示了模型预测结果和真实标签的对应分布，基于混淆矩阵可以衍生出一系列量化评估模型性能的核心指标，这些指标从不同维度反映了模型的分类能力，适用于不同场景下的模型选择与调优。

混淆矩阵的基础结构

在介绍衍生指标前，先明确二分类任务下混淆矩阵的基础定义，这是所有衍生指标的计算基础：对于二分类问题，真实标签分为正类（Positive，P）和负类（Negative，N），模型预测结果也分为正类和负类，对应产生四个基础统计量：

1. 真正例（True Positive, TP）：真实为正类，模型预测也为正类的样本数量

2. 假正例（False Positive, FP）：真实为负类，模型预测为正类的样本数量（也叫“第一类错误”）

3. 真负例（True Negative, TN）：真实为负类，模型预测也为负类的样本数量

4. 假负例（False Negative, FN）：真实为正类，模型预测为负类的样本数量（也叫“第二类错误”）

多分类任务的混淆矩阵是二分类的扩展，每一类都可以对应上述四个统计量的计算，最终衍生指标通常采用宏平均或微平均的方式汇总结果。


部分文件列表

文件名 大小
混淆矩阵衍生指标.docx 18K

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号