如何从 7x7 混淆矩阵计算类的准确性？

Question

所以我在我的数据集上从朴素贝叶斯分类中得到了以下结果：

然而，我一直在理解如何解释数据。我想查找和比较每个类 (a-g) 的准确性。

我知道使用这个公式可以找到准确性：

但是，让我们来上课吧。如果我取正确分类实例的数量 - 313 - 并将其除以 a 行中的“a”（4953）的总数，得到~6.32%。这是准确度吗？

编辑：如果我们使用列而不是行，我们会得到 313/1199，它给出了 ~26.1%，这似乎是一个更合理的数字。

编辑 2：我已经在 excel 中计算了a 的准确度，使用上面显示的准确度计算，我得到了 84% 的准确度：

这似乎不对，因为成功分类的总体准确率约为 24%

Answer 1

不——您计算的只是tp/(tp+fn)，即a 类的正确标识总数除以实际a 示例总数。这是召回，而不是准确度。您需要包括其他两个数字。

fp 是a 列的其余部分； tn 是非a 行和列中的所有其他数字，即 6x6 子矩阵。这会将所有 35K+ 试验减少为带有标签 a 和 not a 的 2x2 矩阵，这是您已经熟悉的 2x2 混淆矩阵。

是的，您可以针对七个功能中的每一个重复该缩减。我建议以编程方式进行。

---

对 OP 更新的响应

您的准确性 那么高：您有大量的真阴性，而不是被正确归类为非-的样本一个。

也许感觉不对，因为我们的经验更侧重于相关课程。还有[处理该焦点的其他统计数据。

• Recall 是tp / (tp+fn)——在a 类中的所有项目中，我们正确识别的百分比是多少？这是 6.32% 的数字。
• Precision 是tp / (tp + fp) - 在所有标识为a 类的项目中，实际属于该类的百分比。这是您计算的 26.1% 的数字。