将混淆矩阵[1075 0 0 0][167 925 0 2][0 0 236 247][0 0 2 485]做归一化,保留小数点后四位
时间: 2024-01-11 14:05:48 浏览: 34
混淆矩阵的归一化是将每个类别的预测结果除以该类别的真实样本数,以使得每个类别的总和为1。具体计算如下:
第一行的归一化结果为:[1.0000 0.0000 0.0000 0.0000]
第二行的归一化结果为:[0.1512 0.8348 0.0000 0.0020]
第三行的归一化结果为:[0.0000 0.0000 0.4889 0.5111]
第四行的归一化结果为:[0.0000 0.0000 0.0041 0.9959]
因此,归一化后的混淆矩阵为:
[1.0000 0.0000 0.0000 0.0000]
[0.1512 0.8348 0.0000 0.0020]
[0.0000 0.0000 0.4889 0.5111]
[0.0000 0.0000 0.0041 0.9959]
相关问题
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]]
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
归一化混淆矩阵是将混淆矩阵中的每个元素除以相应类别的总样本数,使得每个类别的总和为1。具体步骤如下:
1. 计算每个类别的总样本数,即将混淆矩阵的每一行进行求和。
2. 将混淆矩阵中的每个元素除以相应类别的总样本数,得到归一化混淆矩阵。
下面是归一化混淆矩阵的计算过程:
1. 计算每个类别的总样本数:
- 第一类别总样本数:4239+30=4269
- 第二类别总样本数:43+4262+2=4307
- 第三类别总样本数:2003+8=2011
- 第四类别总样本数:4+1969=1973
2. 将混淆矩阵中的每个元素除以相应类别的总样本数,得到归一化混淆矩阵:
[0.9929, 0.0071, 0.0000, 0.0000]
[0.0100, 0.9883, 0.0005, 0.0000]
[0.0000, 0.0000, 0.9950, 0.0040]
[0.0000, 0.0000, 0.0020, 0.9980]