如何理解 4x4 混淆矩阵？

Question

我正在使用 scikit 学习决策树将一组数据分类为四个类别之一。我一般是机器学习和编码的新手，并且正在尝试理解混淆矩阵。

所以当我使用 sci-kits 混淆矩阵时，我得到一个四乘四矩阵。我能够弄清楚这些列是对每个类别的预测（例如“预测 A，预测 B ...”）。但是，我对这些行代表什么感到困惑。此外，某些预测是否有可能不进入混淆矩阵。我发现某些列没有必要的总计数。这是为什么呢？

unique, counts = np.unique(classif_predict, return_counts=True)
print('Predicted:',dict(zip(unique, counts)))

_unique, _counts = np.unique(classif_test, return_counts=True)
print('Tested:',dict(zip(_unique, _counts)))


pd.DataFrame(
    confusion_matrix(classif_test, class_predict), 
    columns = ['AGN Predicted', 'BeXRB Predicted', 'HMXB Predicted', 'SNR Predicted']
)

我的输出如下所示：

Predicted: {'AGN': 7, 'BeXRB': 25, 'HMXB': 7, 'SNR': 2}
Tested: {'AGN': 10, 'BeXRB': 22, 'HMXB': 7, 'SNR': 2}

AGN Predicted       BeXRB Predicted     HMXB Predicted      SNR Predicted             
        3                  3                   4                  0
        2                 13                   6                  1
        0                  3                   4                  0
        0                  2                   0                  0
​```

Answer 1

行表示已预测的类的实例（通过我们使用的算法），列表示已知真​​实值的实例。

行：预测值 列：实际值

在您的情况下，明白4 * 4矩阵表示您在预测的变量中有4个不同的值，即：AGN，BEXRB，HMXB，SNR。 更重要的是，值的正确分类将在从左上角到右下角的对角线上运行，所有其他值都被错误分类。

this is an example of a 4*4 matrix 请注意，绿色值是正确分类的值，红色是错误分类的值。

Answer 2

混淆矩阵将帮助您识别模型的哪些分类是正确的，哪些不是。只考虑两个类就更容易理解了。

混淆矩阵的工作原理如下：

在这个矩阵中，我们只有两个可能的类，“NO”和“YES”。列代表预测值，线条代表实际（真实）值。这个矩阵对评估模型的含义是：

• 它正确将 50 个样本分类为“否”。 （这些被称为真正的否定）

• 它错误分类 5 个样本为“否”，而那些本应为“是”。 （这些被称为假阴性）

• 它错误分类 10 个样本为“YES”，而那些本应为“NO”。 （这些被称为误报）

• 它正确将 100 个样本分类为“是”。 （这些被称为True Positives）

为了检查每个类有多少预测，您必须对列中的值求和：该模型预测了 55 个“否”和 110 个“是”。

要检查每个类中有多少真实样本，您必须对行中的值求和：样本确实是 60 个“否”和 105 个“是”。

两种情况的总数都是 165，这是评估的样本总数。

专门针对您的问题：

当您制作 4x4 混淆矩阵时，逻辑的工作方式相同，每个“额外”类都会添加额外的行和列。在您的输出中，总和都可以：

Predicted: {'AGN': 7, 'BeXRB': 25, 'HMXB': 7, 'SNR': 2}
Tested: {'AGN': 10, 'BeXRB': 22, 'HMXB': 7, 'SNR': 2}

假设“经过测试”是您的真正价值：

• 这意味着您有 10 个“AGN”样本，但您的模型当时只分类了 7 个（显然只有 3 个正确）。
• 您还有 22 个“BeXRB”样本，您的模型将 25 个分类为“BeXRB”（显然只有 13 个正确）。

编辑：

您的矩阵上的值与您的 PREDICTED 输出 (dict) 中的值不匹配，您可能会检查：（我添加了 SUM 列和行）

             Pred AGN      Pred BeXRB          Pred HMXB        Pred SNR        SUM
AGN True        3                 3               4                 0            10
BeXRB True      2                13               6                 1            22
HMXB True       0                 3               4                 0            7
SNR True        0                 2               0                 0            2

SUM:            5                21              14                 1

根据您提供的信息量，我无法为您提供更多帮助，但您应该检查您的 classif_predict 数组。

如果您使用的是 Jupyter Notebook，由于变量值的变化，以不同的顺序运行单元格可能会引发这种行为。如果是这种情况，请尝试按预期顺序再次运行。