3 种不同输出的召回和精度计算

【问题标题】：Recall and precision calculation for 3 different outputs3 种不同输出的召回和精度计算
【发布时间】：2012-11-05 05:09:03
【问题描述】：

我的分类系统将产生 3 个输出，告诉用户图像属于哪个类别。假设类别为 A、B 和 C。以下是矩阵的示例：

        A     B     C
   A   10     5     2

   B   0     20     2

   C   0      0    20

我对公式 Precision = tp/tp + fp 和 Recall = tp/tp+fn 有点困惑，因为我不确定在这种情况下如何应用真阳性、真阴性、假阳性和假阴性。

有人可以帮忙吗？非常感谢您的帮助。谢谢。

【问题讨论】：

【解决方案1】：

您一次可以处理一个类别。

例如，您首先处理A。那么你的混淆矩阵如下所示：

          A   Not A
     A   10     7 = (5+2)
 Not A    0    42 = (20+2+0+20)

所以在这种情况下，

 # true positive = 10  (A->A)
 # true negative = 42  (Not A->Not A)
 # false negative = 7  (A->Not A)
 # false positive = 0  (Not A->A)

类似的东西可以应用于类别B和C。

【讨论】：