【SVM】SVC的模型评估指标

最新推荐文章于 2024-06-21 23:13:02 发布

Haoqi_iu

最新推荐文章于 2024-06-21 23:13:02 发布

阅读量1.9k

点赞数

分类专栏： ML_SVM 文章标签：人工智能可视化机器学习

本文链接：https://blog.csdn.net/baolang5032/article/details/110006178

版权

ML_SVM 专栏收录该内容

4 篇文章

订阅专栏

混淆矩阵是监督学习中用于评估模型性能的工具，特别是在图像分类任务中，它展示真实值与预测值的对比。文章介绍了混淆矩阵的概念，指出在矩阵中，真实值总是位于预测值之前，并解释了如何解读矩阵中的各个元素。同时，文章也提及了ROC曲线，它是评估二分类模型性能的重要指标，通过绘制真正率与假正率的关系来展现模型的辨别能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

混淆矩阵和ROC曲线

文章目录

混淆矩阵

混淆矩阵

在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个实测像元的位置和分类与分类图像中的相应位置和分类相比较计算的。
我们将少数类认为是正例，将多数类认为是负例。
在混淆矩阵中，永远都是真实值在前，预测值在后。