0

実際に私は と に取り組んでいspecificityますsensitivity。混同行列を計算する必要があります。しかし、計算方法がわかりません。予測 IO モデルの出力は、ポジティブ、ネガティブ、ニュートラルの 3 つのカテゴリに分類されます。私の出力に2つ以上のクラスがある場合、混同行列を計算する方法を教えてください。ばかげた質問かもしれませんので、目標を達成する方法を教えてください。

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

また

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

感度にはどれを使用する必要がありますか

ありがとう。

4

1 に答える 1

1

「ポジティブ」と「ネガティブ」という用語は、二項分類子でのみ意味があります。真のポジティブは、「はい、これはここに属します」と正しく得られた場合であり、「いいえ、これは属していません」と正しく得られた場合は真のネガティブです。カテゴリー」へ。したがって、カテゴリは 2 つしか存在できません。実際には 1 つだけであり、その補数です。カテゴリに属さないものはすべてネガティブです。次に、混同行列は次のようになります。

   P   N
P  7   3
N  2   9

したがって、この例では、7 つの真陽性と 9 つの真陰性があります。分類器が陰性サンプルに対して陽性を返した場合、2 つの偽陽性があります。同様に、3 つの偽陰性があります。

ただし、これは多項混同行列に一般化できます。マトリックスにセルを追加するだけで、すべての組み合わせのためのスペースを確保できます。

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

全体的に、分類子からの結果があります。下に、各サンプルの実際のカテゴリがあります。したがって、対角線上に 7 つの「真の A」、19 の「真の B」、および 7 つの「真の C」があり、他のものは混乱しています。1 つの「偽の C」は B であるはずですが、9 つの「偽の B」です。代わりにCであるべきだったなど。

于 2015-11-03T06:11:02.290 に答える