混淆矩阵 与OA、AA、KappaSoftmax、交叉熵损失函数多分类 CE=−∑iKpiytlog(pi)CE=-\sum_{i}^{K}p_i^{yt}log(p_i)CE=−∑iKpiytlog(pi)（piyt表示yt==ip_i^{yt}表示yt==ipiyt表示yt==i）# 多分类 import numpy as npdef softmax(x): # 将非概率值矩阵x [N,C] 转换为概率值 m, n = len(x), len(x[0]) for i
| 真实/预测 | 1 | … | n |
|---|---|---|---|
| 1 | c 11 c_{11} c11 | … | c 12 c_{12} c12 |
| … | … | … | … |
| n | c n 1 c_{n1} cn1 | … | c n n c_{nn} cnn |
表格中 c i j c_{ij} cij表示真实类别为 i i i，被预测为类别 j j j的样本数量
K a p p a = ( P o − P e ) / ( 1 − P e ) Kappa=(P_o-P_e)/(1-P_e) Kappa=(Po−Pe)/(1−Pe)
P o = ∑ c i i / N P_o=\sum{c_{ii}}/N Po=∑cii/N
P e = ∑ 0 n a i ∗ b i / N 2 P_e=\sum_{0}^{n}{a_i*b_i}/N^2 Pe=
3349
632
1507
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
