混淆矩阵

混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度。在人工智能中,混淆矩阵(confusion matrix)是可视化工具,特别用于监督学习,在无监督学习一般叫做匹配矩阵。矩阵的每一行表示预测类中的实例,而每一列表示实际类中的实例(反之亦然)。 这个名字源于这样一个事实,即很容易看出系统是否混淆了两个类。

来源:Wikipedia
简介

描述

混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度。在人工智能中,混淆矩阵(confusion matrix)是可视化工具,特别用于监督学习,在无监督学习一般叫做匹配矩阵。矩阵的每一行表示预测类中的实例,而每一列表示实际类中的实例(反之亦然)。 这个名字源于这样一个事实,即很容易看出系统是否混淆了两个类。

来源

[1]. 维基百科

[2]. 百度百科

来源URL

[1]. https://en.wikipedia.org/wiki/Confusion_matrix

[2]. https://baike.baidu.com/item/混淆矩阵/10087822?fromtitle=Confusion+Matrix&fromid=18082441&fr=aladdin

假设有150个样本数据,分为3类,每一类50个数据。分类后得到的混淆矩阵如左图所示,第一行说明类1的50个样本中有43个分类正确,7个分类错误,其中5个错分为类2,2个错分为类3。这张图可以用一个简单的3*3矩阵来表示,该矩阵就叫做混淆矩阵。(示例来自百度百科 https://baike.baidu.com/item/混淆矩阵/10087822?fromtitle=Confusion+Matrix&fromid=18082441&fr=aladdin)

发展历史

早在1971年,J. T. Townsend就用英文字母作为实例对混淆矩阵进行过理论分析。直到1998,Kohavi和Provost在机器学习的术语表中对混淆矩阵进行了描述和定义。2006年,Tom Fawcett在文章An introduction to ROC analysis中对混淆矩阵进行了引用和说明。2011年,Kai Ming Ting在Confusion Matrix一书中对混淆矩阵进行了全面细致的讲解。

主要事件

年份事件相关论文
1971J. T. Townsend用英文字母作为实例对混淆矩阵进行理论分析Townsend, J. T. (1971). Theoretical analysis of an alphabetic confusion matrix. Attention, Perception, & Psychophysics, 9(1), 40-50.
1998Kohavi和Provost在机器学习的术语表中对混淆矩阵进行了描述和定义Kohavi, R., & Provost, F. (1998). Glossary of terms. Machine Learning, 30(2-3), 271-274.
2006Tom Fawcett在文中对混淆矩阵进行了引用和说明Fawcett, T. (2006). An introduction to ROC analysis. Pattern recognition letters, 27(8), 861-874.
2011Kai Ming Ting在混淆矩阵一章中对其进行了全面细致的讲解Sammut, C., & Webb, G. I. (2017). Encyclopedia of machine learning and data mining. Springer.

发展分析

未来发展方向

混淆矩阵对机器学习的发展有着重大影响,未来会继续推动机器学习和人工智能领域的进步。

Contributor: Yuanchao Li

相关人物
Ron Kohavi
Ron Kohavi
Kai Ming Ting
Kai Ming Ting
Foster Provost
Foster Provost
简介
相关人物