python中归一化混淆矩阵的计算公式
时间: 2023-10-23 22:34:40 浏览: 148
Python中可以使用sklearn.metrics中的confusion_matrix函数计算混淆矩阵,并使用sklearn.metrics中的normalize参数来计算归一化混淆矩阵。具体的计算公式如下:
设真实标签为y_true,预测标签为y_pred,其中y_true和y_pred都是长度为n的数组。
则混淆矩阵的四个元素分别为:
- TP(True Positive):y_true和y_pred都为正例
- FP(False Positive):y_true为负例,y_pred为正例
- FN(False Negative):y_true为正例,y_pred为负例
- TN(True Negative):y_true和y_pred都为负例
则混淆矩阵的计算公式为:
![confusion_matrix](https://cdn.jsdelivr.net/gh/zyangmath/zyangmath-image-repo/img/confusion_matrix.png)
其中,归一化混淆矩阵的计算公式为:
![normalized_confusion_matrix](https://cdn.jsdelivr.net/gh/zyangmath/zyangmath-image-repo/img/normalized_confusion_matrix.png)
其中,N为样本总数。在sklearn中,可以通过设置normalize参数来计算归一化混淆矩阵,其取值可以为'all'或'true'。当normalize='all'时,计算的是所有样本的归一化混淆矩阵;当normalize='true'时,计算的是每一行的归一化混淆矩阵。
阅读全文