理工酷

混淆矩阵通过在矩阵中显示期望值与预测值来帮助你可视化分类器的性能。为了达到可视化的目的，值矩阵通常显示为直方图，但本质上还是一个二维矩阵。 从上面的例子可以看出，期望值用行表示，预测值用列表示。对角线表示预测值等于期望值的元素，非对角线值表示分类器预测错误的元素。 矩阵对角线上的值相对于非对角线上的值的比例越高，分类器就越好。对角线以外的大量值表示有问题的区域。 在上面的例子中，分类器在16个实例中的6个实例是混色，同时得到了其他两个层的预测。可以使用混淆矩阵来确定这些问题区域，它将指导你接下来的工作走向。这些区域通常指向较差的训练数据，或者没有足够的训练数据用于具有大量误报的标签。 当对多类分类器进行微调时，混淆矩阵是一个很好的工具，它通常可以用来解释为何分类器的性能不如预期。