混淆矩陣簡介
混淆矩陣是ROC曲線繪制的基礎(chǔ)，同時它也是衡量分類型模型準(zhǔn)確度中最基本，最直觀，計算最簡單的方法。
可以簡單理解為：將一個分類模型的預(yù)測結(jié)果與正確結(jié)果做對比，將預(yù)測正確的統(tǒng)計量和預(yù)測錯誤的統(tǒng)計量分別寫入一張矩陣圖中，得到的這張圖就是混淆矩陣了。
混淆矩陣的使用情況：因為混淆矩陣是用來評判模型結(jié)果的，屬于模型評估的一部分。因此，混淆矩陣多用于判斷分類器（Classifier）的優(yōu)劣，適用于分類型的數(shù)據(jù)模型有：分類樹（Classification Tree）、邏輯回歸（Logistic Regression）、線性判別分析（Linear Discriminant Analysis）等。
混淆矩陣及其參數(shù)
以分類中最簡單的二分類為例，我們的模型訓(xùn)練完之后會進行“0”和“1”的判斷，專業(yè)詞語是positive和negative的判斷。
我們通過樣本可以直接知道真實情況下，哪些數(shù)據(jù)結(jié)果是positive，哪些結(jié)果是negative。同時，我們也可以通過神經(jīng)網(wǎng)絡(luò)或者其它模型跑出結(jié)果，進而可以知道模型認(rèn)為這些數(shù)據(jù)哪些是positive，哪些是negative。
這樣就能得到這樣四個基礎(chǔ)指標(biāo)：
1、真實值是positive，模型認(rèn)為是positive的數(shù)量（True Positive=TP）
2、真實值是positive，模型認(rèn)為是negative的數(shù)量（False Negative=FN）：這就是統(tǒng)計學(xué)上的第二類錯誤（Type II Error）
3、真實值是negative，模型認(rèn)為是positive的數(shù)量（False Positive=FP）：這就是統(tǒng)計學(xué)上的第一類錯誤（Type I Error）
4、真實值是negative，模型認(rèn)為是negative的數(shù)量（True Negative=TN）
將這四個指標(biāo)一起呈現(xiàn)在表格中，就能得到如下這樣一個矩陣，我們稱它為混淆矩陣（Confusion Matrix）：
混淆矩陣的指標(biāo)意義：
根據(jù)四個指標(biāo)的含義，很容易看出TP和TN的值越大越好；FP和FN的值是越小越好了。
混淆矩陣的其他指標(biāo)
根據(jù)以上四個基本指標(biāo)，混淆矩陣還延申出了另外四個指標(biāo)：
準(zhǔn)確率（Accuracy）、精確率（Precision）、靈敏度（Sensitivity）、
特異度（Specificity）
四個參數(shù)的計算方式和意義如下便所示：
文章來源：http://www.zghlxwxcb.cn/news/detail-437322.html
參考：
https://blog.csdn.net/upupyon996deqing/article/details/124768166
https://blog.csdn.net/Orange_Spotty_Cat/article/details/80520839文章來源地址http://www.zghlxwxcb.cn/news/detail-437322.html
到了這里，關(guān)于分類模型之混淆矩陣(Confusion Matrix)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
