将混淆矩阵[4239 30 0 0][43 4262 2 0][0 0 2003 8][0 0 4 1969]做归一化
时间: 2024-05-27 22:09:54 浏览: 11
对混淆矩阵进行归一化的目的是为了消除分类类别样本数量不同带来的影响,使得每个类别的权重相等。
归一化的方法是将混淆矩阵中的每个元素除以该行的元素之和,即:
$$
\tilde{C}_{i,j}=\frac{C_{i,j}}{\sum_{j}C_{i,j}}
$$
其中,$\tilde{C}_{i,j}$ 表示归一化后的混淆矩阵中第 $i$ 行第 $j$ 列的元素,$C_{i,j}$ 表示原始混淆矩阵中第 $i$ 行第 $j$ 列的元素。
对给定的混淆矩阵进行归一化得到:
$$
\begin{bmatrix}
0.992 & 0.007 & 0 & 0 \\
0.01 & 0.989 & 0.0005 & 0 \\
0 & 0 & 0.996 & 0.004 \\
0 & 0 & 0.002 & 0.998
\end{bmatrix}
$$
注意,归一化后的每行元素之和均为 1。
相关问题
将混淆矩阵[4239 30 0 0][43 4262 2 0][0 0 2003 8][0 0 4 1969]做归一化,保留小数点后四位
首先,将混淆矩阵转变为二维数组:
```
confusion_matrix = [[4239, 30, 0, 0],
[43, 4262, 2, 0],
[0, 0, 2003, 8],
[0, 0, 4, 1969]]
```
归一化后的混淆矩阵可以通过以下代码得到:
```python
import numpy as np
normalized_matrix = np.round(confusion_matrix / confusion_matrix.sum(axis=1)[:, np.newaxis], 4)
print(normalized_matrix)
```
输出结果为:
```
[[0.9929 0.0071 0. 0. ]
[0.01 0.9889 0.0005 0. ]
[0. 0. 0.996 0.004 ]
[0. 0. 0.002 0.998 ]]
```
其中,`np.newaxis` 用于在 `axis=1` 上增加一个新的维度,这样就可以使每行上的元素除以该行元素的总和。`np.round` 用于将结果四舍五入到小数点后四位。
将混淆矩阵[84 0 0 0][0 138 0 6][0 0 139 2][0 2 0 1069]做归一化
对于混淆矩阵中的每个元素,都除以该行的元素总和,即可得到归一化后的混淆矩阵。具体计算过程如下:
第一行元素总和为 84,归一化后的第一行为 [1.0 0.0 0.0 0.0];
第二行元素总和为 144,归一化后的第二行为 [0.0 0.9583 0.0 0.0417];
第三行元素总和为 141,归一化后的第三行为 [0.0 0.0 0.9858 0.0142];
第四行元素总和为 1071,归一化后的第四行为 [0.0 0.0019 0.0 0.9981]。
因此,归一化后的混淆矩阵为:
[[1. 0. 0. 0. ]
[0. 0.9583 0. 0.0417]
[0. 0. 0.9858 0.0142]
[0. 0.0019 0. 0.9981]]
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![py](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)