在新闻里 为什么混淆矩阵在机器学习中有用?

为什么混淆矩阵在机器学习中有用?

Anonim

问:

为什么混淆矩阵在ML中有用?

A:

有很多方法可以讨论为什么混淆矩阵在机器学习(ML)中很有价值-但是最简单的方法之一就是解释混淆矩阵是数据可视化资源。

混淆矩阵使观看者一眼就能看到使用分类器或其他算法的结果。 通过使用一个简单的表来显示分析结果,混淆矩阵实质上会将您的输出分解为更易于理解的视图。

混淆矩阵使用特定的术语来排列结果。 有真实肯定和真实否定,以及错误肯定和错误否定。 对于更复杂的混淆矩阵或基于比较分类的混淆矩阵,这些值可能显示为两个不同对象的实际和预测类。

不论语义术语如何,结果都被分组为一个正方形(或矩形)表。

该视图使分析人员更容易看到算法对结果进行分类的准确性。 (请阅读新的发生器将现代算法应用于ASCII艺术。)

混淆矩阵的效用与ML项目的复杂性有关,也与信息格式化并传递给用户的方式有关。 想象一串线性结果,包括假阳性,假阴性,真阳性和真阴性。 (阅读机器学习101。)

用户必须将所有这些线性结果制成表格,以了解算法的工作原理和准确性。 使用混淆矩阵,可以在功能强大的视觉模型中轻松呈现此信息。

例如,假设要求机器对20个图像进行分类,其中五个是水果,五个是蔬菜。 如果混淆矩阵包含以下内容(从左上角顺时针方向):7、5、3、5,则矩阵显示正确识别出七种为蔬菜,而正确识别为三类。

如图所示,其他10个是程序无法正确识别图像的结果。

混淆矩阵将在各种ML分析中有用。 通过观察此资源,用户可以弄清楚如何处理维数和过拟合之类的问题,以及优化算法的其他方法。

为什么混淆矩阵在机器学习中有用?