一 4.4.2分类模型评判指标( 二 )

混淆矩阵的实例
当分类问题是二分问题是，混淆矩阵可以用上面的方法计算。当分类的结果多于两种的时候，混淆矩阵同时适用。
一下面的混淆矩阵为例，我们的模型目的是为了预测样本是什么动物，这是我们的结果：

文章插图

文章插图
通过混淆矩阵，我们可以得到如下结论：
在总共66个动物中，我们一共预测对了10 + 15 + 20=45个样本，所以准确率（）=45/66 = 68.2% 。
以猫为例，我们可以将上面的图合并为二分问题：

文章插图
所以，以猫为例，模型的结果告诉我们， 66只动物里有13只是猫，但是其实这13只猫只有10只预测对了。模型认为是猫的13只动物里，有1条狗，两只猪。所以，（猫）= 10/13 = 76.9%
以猫为例，在总共18只真猫中，我们的模型认为里面只有10只是猫，剩下的3只是狗， 5只都是猪。这5只八成是橘猫，能理解。所以，（猫）= 10/18 = 55.6%
以猫为例，在总共48只不是猫的动物中，模型认为有45只不是猫。所以，（猫）= 45/48 = 93.8% 。
虽然在45只动物里，模型依然认为错判了6只狗与4只猫，但是从猫的角度而言，模型的判断是没有错的。
（这里是参见了，的解释,）
F1-Score
通过公式，可以计算出，对猫而言， F1-Score=（2 * 0.769 * 0.556）/（ 0.769 + 0.556） = 64.54%
同样，我们也可以分别计算猪与狗各自的二级指标与三级指标值。