python机器学习 二分类 混淆矩阵_Scikit-learn的混淆矩阵

最新推荐文章于 2024-07-26 08:38:49 发布
最新推荐文章于 2024-07-26 08:38:49 发布
阅读量1.3k 收藏
点赞数 2
文章标签： python机器学习 二分类 混淆矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_34809240/article/details/114439832
版权
本文介绍了在二分类机器学习任务中，如何使用混淆矩阵来评估模型性能，特别是针对NPV指标的计算。通过比较维基百科和Scikit-learn文档中的混淆矩阵表示，强调理解矩阵结构的重要性，并给出实例来展示如何正确解读和使用混淆矩阵。
摘要由CSDN通过智能技术生成

e01527432ac73fa33170fa48e44d2e4c.png

介绍

在我最近的一个项目中，事务监控系统生成了大量误报警报(然后由调查小组手动调查这些警报)。我们被要求使用机器学习来自动关闭那些错误警报。机器学习模型的评估标准是一个度量负预测值(Negative Predicted Value)，表示在模型的总负预测中，有多少个案例是正确识别的。

NPV = True Negative / (True Negative + False Negative)

我会快速显示混淆矩阵，下面是jupyter笔记本的输出。在二分类模型中，target=1是欺诈交易，target=0是非欺诈交易。

cm = confusion_matrix(y_test_actual, y_test_pred)print(cm)----- Output -----[[230, 33] [24, 74]根据解释混淆矩阵的不同方式，你会得到90%或76%的NPV。因为：

TN = cm[0][0] 或者 cm[1][1] 也就是 230 或者 74

FN = cm[1][0] 也就是 24

维基百科表示

我参考了维基百科中的混淆矩阵表示法。

8b53fa2d3a690ae45a47551cf27e0544.png

这张来自

最低0.47元/天 解锁文章
舞蝶迷香径
关注
一篇文章学会二分类评估器---混淆矩阵
qq_63119830的博客
08-26 2299
对于“ROC曲线”和“精度/召回率曲线”他们两者我们应该如何选择？1.如果正类非常的少见或者你更关注假正类，而不是假负类时，你应该选择“精度/召回率曲线”2.反之你应该选择“ROC曲线”
python机器学习 二分类 混淆矩阵_机器学习实战_分类（二）
weixin_31943957的博客
02-04 1593
我们训练一个RandomForestClassifier，然后拿它的的ROC曲线和ROC AUC数值去跟SGDClassifier的比较。首先你需要得到训练集每个样例的数值。但是由于随机森林分类器的工作方式，RandomForestClassifier不提供decision_function()方法。相反，它提供了predict_proba()方法。Skikit-Learn分类器通常二者中的一个。...
混淆矩阵 (Confusion Matrix)
最新发布
大连赵哥的博客
07-26 266
混淆矩阵 (Confusion Matrix)
python机器学习 二分类 混淆矩阵_机器学习（三）混淆矩阵
weixin_29194817的博客
12-23 934
https://blog.csdn.net/qq_28448117/article/details/78219549一：混淆矩阵监督学习—混淆矩阵非监督学习—匹配矩阵矩阵每一列代表预测值，每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆(也就是一个class被预测成另一个class)。假设有一个用来对猫(cats)、狗(dogs)、兔子(rabbits)进行分类的系统...
python机器学习 二分类 混淆矩阵_机器学习算法模型评估指标之混淆矩阵、PR曲线、AP实例详解...
weixin_35727440的博客
12-15 1399
混淆矩阵针对一个二分类问题，将实例分成正类(postive)或者负类(negative)。但是实际中分类时，会出现四种情况.若一个实例是正类并且被预测为正类，即为真正类(True Postive TP)若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN)，漏报。若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP)，错报。若一个实例是...
python sklearn包——混淆矩阵、分类报告等自动生成
热门推荐
无限大地NLP_空木的专栏
02-29 3万+
preface：做着最近的任务，对数据处理，做些简单的提特征，用机器学习算法跑下程序得出结果，看看哪些特征的组合较好，这一系列流程必然要用到很多函数，故将自己常用函数记录上。应该说这些函数基本上都会用到，像是数据预处理，处理完了后特征提取、降维、训练预测、通过混淆矩阵看分类效果，得出报告。 1.输入 从数据集开始，提取特征转化为有标签的数据集，转为向量。拆分成训练集和测试集，这里不多讲，在
python机器学习 二分类 混淆矩阵_机器学习系列（三十一）——ROC曲线、多分类问题的混淆矩阵...
weixin_39688687的博客
01-13 597
本篇主要内容：ROC曲线、多分类混淆矩阵ROC曲线ROC全称是Receiver Operation Characteristic Curve，它描述的是TPR和FPR之间的关系。ROC曲线TPR(True Positive Rate)的计算公式为：它表示预测值为1，真实值也为1中预测正确的比例，TPR其实就是Recall。FPR(False Positive Rate)的计算公式为：它表示预测值为...
Scikit-learn 使用手册中文版.zip_SCIKIT-LEARN_Scikit-learn 使用手册中文版_sciki
07-15
Scikit-learn 使用手册中文版
Python库 | scikit-learn-0.24.2.tar.gz
05-21
资源分类：Python库 所属语言：Python 资源全名：scikit-learn-0.24.2.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
Deep learning(scikit-learn).zip_SCIKIT-LEARN_deep learning_pytho
07-13
scikit-learn是Python中最受欢迎的机器学习库之一，它提供了各种算法，包括监督学习、无监督学习以及模型选择工具。在“Deep learning(scikit-learn).zip”这个压缩包文件中，我们可能会找到一系列教程、代码示例或...
深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）
12-21
深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）1、什么是混淆矩阵2、分类模型评价指标3、两种多分类混淆矩阵3.1直接打印出每一个类别的分类准确率。3.2打印具体的分类结果的数值4、总结 1、什么是混淆矩阵 深度学习中，混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。它可以直观地了解分类模型在每一类样本里面表现，常作为模型评估的一部分。它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）。 首先要明确几个概念： T或者F：该样本 是否被正确分类。 P或者N：该样本 原本是正样本还是负样本
Python 计算混淆矩阵
05-31
用Python计算图像对不同地物分类精确度， 计算分类结果图与标准参考图的混淆矩阵， 对分类结果进行评价
机器学习笔记 - 使用scikit-learn创建混淆矩阵
学以致用 知行合一
06-06 3781
在训练了有监督的机器学习模型（例如分类器）之后，您想知道它的工作情况。 这通常是通过将一小部分称为测试集的数据分开来完成的，该数据用作模型以前从未见过的数据。 如果它在此数据集上表现良好，那么该模型很可能在其他数据上也表现良好 - 当然，如果它是从与您的测试集相同的分布中采样的。 现在，当您测试您的模型时，您向其提供数据 - 并将预测与基本事实进行比较，测量真阳性、真阴性、假阳性和假阴性的数量。这些随后可以在视觉上吸引人的混淆矩阵中可视化。 在今天我们
python机器学习 二分类 混淆矩阵_读书笔记（11）Logistic 回归分类算法及应用
weixin_39882394的博客
01-07 1133
设想这样一些场景：电商企业想要判断用户是否会选择某种支付方式；金融企业想要将用户划分为不同的信用等级；某件商品在接下来的一个月内是否被销售；根据人体内的某个肿瘤特征，判断其是否为恶性肿瘤等此类二分类问题，我们应该如何解决呢？前面我们已经介绍过无监督学习的K-means算法，在K-means算法中，数据并不被特别标识，学习模型是为了推断出数据的一些结构，相比较无监督学习，监督式学习的常见应...
多示例学习python_第62集 python机器学习：多分类指标
weixin_39658019的博客
11-30 285
前面我们已经深入讨论了二分类任务的评估，接下来我们看一下对多分类问题的指标评估：多分类问题的所有指标基本上都来自二分类指标，但是要求对所有类别进行平均。多分类的精度被定义为正确分类的样本所占的比例，同样，如果类别是不平衡的，精度比不是很好的评估度量。一般来说，多分类问题比二分类问题更加难以理解。除了精度，常用的工具也有混淆矩阵和分类报告，我们在上一节二分类的例子中出现过。下面我们将这两种详细的评估...
【机器学习】二分类问题中的混淆矩阵、准确率、召回率等 (Python代码实现)
鹏啊鹏
09-16 1万+
二分类问题中的混淆矩阵、准确率、召回率、Acc的介绍及代码实现
【Python机器学习】实现二分类混淆矩阵可视化
Ejemplarr的博客
03-09 3193
可视化二分类中的混淆矩阵
二分类和混淆矩阵
pythondby的博客
12-12 8789
二值分类器（Binary Classifier）是机器学习领域中应用最为广泛的分类器之一。在二分类的应用场景下，我们可以根据真实类别和预测类别的不同组合，将样本划分为如下四类： 真正类（True Positive，简称 TP）：实际为正类，且被模型预测为正类的样本。 假正类（False Positive，简称 FP）：实际为负类，但被模型预测为正类的样本。 真负类（True Negative，简称 TN）：实际为负类，且被模型预测为负类的样本。 假负类（False Negative，简称 FN）：实
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值