29天啦!之前實作分類器的時候有用到混淆矩陣，今天也來寫一下相關筆記

混淆矩陣(confusion matrix)

可以用來評估分類模型的準確率

• 混淆矩陣的四個元素(TP,TN,FP,FN)
  1. TP(True Positive): 正確預測的正樣本(實際為1預測出來也是1)
  2. TN(True Negative): 正確預測的負樣本(實際為0預測出來也是0)
  3. FP(False Positive): 負樣本被預測成正樣本(實際為0預測出來卻是1)
  4. FN(False Negative): 正樣本被預測成負樣本(實際為1預測出來卻是0)

(圖源:https://blog.csdn.net/potato_uncle/article/details/110392255 )

其他指標(?)

• 精確率 = TP ÷ (TP + FP)
  • 精確率是評估預測為正的樣本中有多少是真正的正樣本。
• 召回率 = TP ÷ (TP + FN)
  • 召回率是評估樣本中的正樣本有多少被預測正確

參考資料

• https://learn.microsoft.com/zh-tw/dynamics365/finance/finance-insights/confusion-matrix
• https://chingtien.medium.com/%E5%BF%83%E7%90%86%E5%AD%B8%E5%92%8C%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E4%B8%AD%E7%9A%84-accuracy-precision-recall-rate-%E5%92%8C-confusion-matrix-529d18abc3a