将混淆矩阵[1064 0 0 0][5 1086 2 0][0 0 481 1][0 0 1 499]做归一化,保留小数点后四位

首先，计算总数，即将混淆矩阵中所有元素相加：

total = 1064 + 0 + 0 + 0 + 5 + 1086 + 2 + 0 + 0 + 0 + 481 + 1 + 0 + 0 + 1 + 499 = 3139

然后，对每一行进行归一化，即将该行中每个元素除以该行元素之和：

normalized_matrix = [[1064/1064, 0/1064, 0/1064, 0/1064], [5/1093, 1086/1093, 2/1093, 0/1093], [0/482, 0/482, 481/482, 1/482], [0/500, 0/500, 1/500, 499/500]]

最后，保留小数点后四位，得到最终的归一化混淆矩阵：

[[1.0000, 0.0000, 0.0000, 0.0000],
[0.0046, 0.9927, 0.0018, 0.0000],
[0.0000, 0.0000, 0.9983, 0.0021],
[0.0000, 0.0000, 0.0020, 0.9980]]

相关问题

将混淆矩阵[1064 0 0 0][5 1086 2 0][0 0 481 1][0 0 1 499]做归一化

首先将混淆矩阵转换为数组形式：

[[1064, 0, 0, 0],
 [5, 1086, 2, 0],
 [0, 0, 481, 1],
 [0, 0, 1, 499]]

然后对每一行进行归一化，即将每个元素除以该行元素之和，得到归一化后的混淆矩阵：

[[1.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00],
 [4.58515284e-03, 9.91436594e-01, 1.81086519e-03, 0.00000000e+00],
 [0.00000000e+00, 0.00000000e+00, 9.98963731e-01, 1.03669220e-03],
 [0.00000000e+00, 0.00000000e+00, 1.97044335e-03, 9.98029557e-01]]

每一行的和都为1，表示每个类别的预测结果的比例。

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]]