Konfusionsmatrix aus überwachtem Lernen

Eine Konfusionsmatrix ist eine N x N-Matrix, die zur Bewertung der Leistung eines Klassifizierungsmodells verwendet wird, wobei N die Anzahl der Zielklassen ist. Die Matrix vergleicht die tatsächlichen Zielwerte mit den durch das maschinelle Lernmodell vorhergesagten Werten.

Was ist eine Konfusionsmatrix in der überwachten Klassifikation?

Eine Konfusionsmatrix ist eine häufig verwendete Methode zur Bewertung der Klassifizierungsgenauigkeit von Fernerkundungsbildern, die die Klassifizierungsergebnisse von Beispieldaten und die Vergleichsergebnisse tatsächlicher Bodenklassen mit einer n × n dimensionalen Matrix ausdrückt [35] [36] [37].

Wie erhält man beim maschinellen Lernen eine Verwirrungsmatrix?

Anhand der vorhergesagten Werte (pred) und unserer tatsächlichen Werte (y_test) können wir mit der Funktion confusion_matrix eine Konfusionsmatrix erstellen. Mit der Methode ravel() unserer Funktion confusion_matrix können wir dann die Werte Wahr positiv, Wahr negativ, Falsch positiv und Falsch negativ ermitteln.

Wie erhält man eine Verwirrungsmatrix aus einem Modell?

Berechnung einer Verwirrungsmatrix für die Binärklassifizierung

1. Konstruieren Sie Ihre Tabelle.
2. Geben Sie die vorhergesagten positiven und negativen Werte ein.
3. Geben Sie die tatsächlichen positiven und negativen Werte ein. /li>
4. Bestimmen Sie die Genauigkeitsrate.
5. Berechnen Sie die Fehlklassifizierungsrate.
6. Finden Sie die wahre positive Rate.
7. Bestimmen Sie die tatsächliche negative Rate.

Was sind die 4 Werte in einer Konfusionsmatrix?

Die am häufigsten verwendeten Leistungskennzahlen für die Klassifizierung nach diesen Werten sind die Genauigkeit (ACC), die Präzision (P), die Empfindlichkeit (Sn), die Spezifität (Sp) und die F-Score-Werte. Die Berechnung dieser Leistungsmetriken anhand der Werte in der Konfusionsmatrix erfolgt gemäß den Gleichungen (14.49)-(14.53).

Warum brauchen wir beim maschinellen Lernen eine Konfusionsmatrix?

Notwendigkeit der Konfusionsmatrix beim maschinellen Lernen

Die Konfusionsmatrix bewertet die Leistung der Klassifizierungsmodelle, wenn sie Vorhersagen für Testdaten treffen, und zeigt, wie gut unser Klassifizierungsmodell ist. Sie gibt nicht nur Aufschluss über die von den Klassifizierern gemachten Fehler, sondern auch über die Art der Fehler, z. B. ob es sich um Typ-I- oder Typ-II-Fehler handelt.

Was ist die Konfusionsmatrix im KNN-Algorithmus?

Die Konfusionsmatrix ist eine Tabelle, die verwendet wird, um die Anzahl der richtigen und falschen Vorhersagen bei einem Klassifizierungsproblem zu zeigen, wenn die tatsächlichen Werte der Testmenge bekannt sind. Sie hat das folgende Format. Quelle – Selbst. Die wahren Werte sind die Anzahl der richtigen Vorhersagen. from sklearn.metrics import confusion_matrix.

Wie berechnet man die Konfusionsmatrix für ein Klassifizierungsproblem mit 3 Klassen?

Die Konfusionsmatrix liefert einen Vergleich zwischen den tatsächlichen und den vorhergesagten Werten. Die Konfusionsmatrix ist eine N x N-Matrix, wobei N die Anzahl der Klassen oder Ausgaben ist. Für 2 Klassen erhalten wir eine 2 x 2 Konfusionsmatrix. Für 3 Klassen erhalten wir eine 3 x 3 Konfusionsmatrix.

Wie erzeugt man eine Konfusionsmatrix aus einem Klassifizierungsbericht?

Um die Konfusionsmatrix zu erstellen, können wir sklearn confusion_matrix() verwenden, das die realen Werte (y_test) und die vorhergesagten Werte (y_predict) nimmt. Mit seaborn können wir eine Heatmap der Konfusionsmatrix ausgeben. Die Zeilen der Matrix stellen die realen Klassen dar, während die Spalten die vorhergesagten Klassen repräsentieren.

Können wir die Konfusionsmatrix in der linearen Regression verwenden?

Zitat vom Video:

Was ist eine Verwirrungsmatrix mit Beispiel?

Die Konfusionsmatrix ist eine nützliche Methode des maschinellen Lernens, mit der Sie Recall, Precision, Accuracy und die AUC-ROC-Kurve messen können. Nachfolgend finden Sie ein Beispiel, um die Begriffe Wahr Positiv, Wahr Negativ, Falsch Negativ und Wahr Negativ zu verstehen. Wahres Positiv: Sie haben ein positives Ergebnis prognostiziert und es hat sich als wahr herausgestellt.

Was ist eine Konfusionsmatrix im Clustering?

Die Paar-Konfusionsmatrix berechnet eine 2 x 2 Ähnlichkeitsmatrix zwischen zwei Clustern, indem sie alle Probenpaare berücksichtigt und die Paare zählt, die unter den wahren und den vorhergesagten Clustern demselben oder unterschiedlichen Clustern zugeordnet sind.

Warum wird die Konfusionsmatrix in der logistischen Regression verwendet?

Die Konfusionsmatrix ist eine der einfachsten und intuitivsten Metriken zur Ermittlung der Genauigkeit eines Klassifizierungsmodells, bei dem die Ausgabe aus zwei oder mehr Kategorien bestehen kann. Dies ist die am häufigsten verwendete Methode zur Bewertung der logistischen Regression.