如何使用精度和召回值获得混淆矩阵和准确率？

【问题标题】：how to get confusion matrix and the accuracy rate using precision and recall values?如何使用精度和召回值获得混淆矩阵和准确率？
【发布时间】：2020-08-29 03:55:03
【问题描述】：

对于segmenting Arabic words 算法，我使用bboxPrecisionRecall 得到平均精度82.59 和召回69.84。我需要有人帮助我使用confusion matrix 计算 TN、FP、FN 和 TP，以评估该方法的性能。精密度是否等于方法的准确度？如果没有，我该如何计算？将分割方法应用于1131幅图像并与ground truth进行比较。

【问题讨论】：

标签： machine-learning confusion-matrix precision-recall

【解决方案1】：

我不太清楚MATLAB中混淆矩阵是如何排列的，但是在Python中，从sklearn.metrics导入的那个是这样排列的：

from sklearn.metrics import confusion_matrix

confusion_matrix(ground_truth, predictions) = array([[TN, FP],
                                                      FN, TP]])

准确度不等于精确度。精度使用 TP/(TP+FP) 测量，而精度使用 (TP+TN)/(TP+TN+FP+FN) 测量

【讨论】：

我可以使用这些方程式得到一个值吗？
精确度 = 82.59 召回率 = 69.84 召回率 = TP/(TP+FN)
Total = TP+FP+TN+FN , Total 的值 = 1131
一个值是什么意思？
混淆矩阵需要4个已知值，不是吗？我有一个召回值。如果我可以计算得到一个更多的值，我可以得到这两个值。