语义分割中常用精度评定方法-混淆矩阵
混淆矩阵(Confusion Matrix)是机器学习领域中评价算法分类性能的常用方法,主要用来解决二分类问题,通过表格实现分类器所预测的类别与其实际的类别的样本统计。
一、混淆矩阵简介
混淆矩阵的构成,如下表所示:其中:
(1)真正例(True positives,TP):正类样本被正确预测为正类样本,表现形式为:预测值为1,真实值为1;
(2)真反例(True negatives,TN):负类样本被正确预测为负类样本,表现形式为:预测值为0,真实值为0;
(3)假正例(False positives,FP):负类样本被错误预测为正类样本,表现形式为:预测值为1,真实值为0;
(4)假反例(False negatives,FN):正类样本被错误预测为负类样本,表现形式为:预测值为0,真实值