[Day 18]混淆矩陣(Confusion Matrix)-1

第 12 屆 iThome 鐵人賽

DAY 19

AI & Data

12th鐵人賽

1751 瀏覽

對於分類或是類別型的模型
如羅吉斯回歸(Logistic Regression)、支持向量分類器(Support Vector Classifier)、...
可以考慮將最後的結果以混淆矩陣呈現

混淆矩陣的列與行分別為預測及真實的類別
例如：分類為 OK、NG，則混淆矩陣的行列為

混淆矩陣	真實OK	真實NG
預測OK	a	b
預測NG	c	d

混淆矩陣可以立刻幫助我們看出分類的好壞
而通常我們習慣看以下幾種資訊：

準確率(accuracy)：正確預測結果的比例 $https://chart.googleapis.com/chart?cht=tx&chl=accuracy%20%3D%20%5Cfrac%7Ba%2Bd%7D%7Ba%2Bb%2Bc%2Bd%7D$
召回率(recall)：以OK(或NG)為準，真實分類是OK的樣本中，被正確預測的比例 $https://chart.googleapis.com/chart?cht=tx&chl=recall%20%3D%20%5Cfrac%7Ba%7D%7Ba%2Bc%7D$
精確度(precision)：以OK(或NG)為準，猜測分類是OK的樣本中，被正確預測的比例 $https://chart.googleapis.com/chart?cht=tx&chl=precision%20%3D%20%5Cfrac%7Ba%7D%7Ba%2Bb%7D$