分类结果图怎么画ppt、excel

准确率类

Accuracy、Precision、Recall、F1-score、Specificity、MCC处理不平衡数据集

• MCC 对于类别不平衡的情况和样本量较小的情况下更有优势，因为它在评估性能时考虑了所有四个分类结果，减少了结果的随机性。
• F1 分数在关注模型能够正确识别正例的情况下也保持较好的表现，适用于一些需要平衡精确率和召回率的场景。

excel大法好，看起来不错

从别人论文里偷了一张好看的，我在里边没找到锥形，柱形看着也还可以

还有这种平面条形

雷达图也可以，这种对上边那类不太适应

对比一下，这个适合单个网络的多维度比较

ROC类

混淆矩阵

这个metrics.ConfusionMatrixDisplay画出来颜色太显眼了，改成这种同类色好看一点

损失函数的讨论

t-sNE

这个用python出图

loss曲线

这个保留 一般cv论文里都默认这个属于没必要放的 太基础了 交叉学科放的多点

预测结果对比、热力图

这个是分类分割论文一定会出现的图，分析一下为什么预测正确，为什么预测错误

箱线图

属于预测评价指标

MCC、MAE、RMSE、KAPPA