以下文章摘录自:
《机器学习观止——核心原理与实践》
京东: https://item.jd.com/13166960.html
当当:http://product.dangdang.com/29218274.html
(由于博客系统问题,部分公式、图片和格式有可能存在显示问题,请参阅原书了解详情)
通过一些典型的分析方法,我们可以更高效地获取数据集的均衡性、准确性等质量指标,从中找出需要改进的核心点。本小节我们主要以混淆矩阵和数据聚类为例来展开讨论。
1.1.1.1 混淆矩阵(Confusion Matrix)
混淆矩阵有时也被称为误差矩阵,是一种常用的精度评价手段。在机器学习领域,混淆矩阵的n行n列可以用于比较分类结果和实际真值之间的差异,从而直观地展示出不同类别之间的耦合性、总体precision、recall等关键指标。
如下范例所示: