多级分类器评估

Question

我曾研究过分类器，特别是多分类器。我的问题是，当我使用精度和回忆来评估分类器时，我不明白的意思是假阳性和假阴性在多分类器分类器评估中。

例如，当我对一个文档（它的真实类别是C-1）进行分类时，分类器将它归类为C-2。那么，我应该增加C-2的假阳性并增加C-1的假阴性吗？ （因为真正的答案是C-1。）

Answer 1

由于你给出的例子是一个两类问题，我在你的例子的上下文中解释了假阳性和假阴性。

在2级的情况下，混淆矩阵通常看起来像以下：

 | Declare C-1 | Declare C-2 | 
|Is C-1| TP  | FN  | 
|Is C-2| FP  | TN  | 

在那里我已经使用的符号含义如下：

• TP =真阳性（归类为C-1实际上是C-1）
• FN =假阴性（归类为C-2但实际上是C-1）
• FP =假阳性
• TN = true否

从原始数据中，表中的值通常是测试数据上每次出现的计数。由此，我们可以相应地计算精度，召回率和其他值。

例如，您有一个表格，如下所示。

 | Declare C-1 | Declare C-2 | 
|Is C-1| 12  | 6  | 
|Is C-2|  8  | 11  | 

上表表示下列信息：

• 12的文件被分类为C-1，它们实际上属于C-1。
• 6个文件被分类为C-2，但它们实际上属于C-1。
• 8个文件被分类为C-1，但它们实际上属于C-2。
• 11个文件被分类为C-2，他们实际上属于C-2。

对于类别C-1：

Precision = 12/(12 + 8) 
Recall = 12/(12 + 6) 

对于类别C-2：

Precision = 11/(11 + 6) 
Recall = 11/(11 + 8) 

例如，当我分类文档（其真实类别是C-1 ），分类器将其分类为C-2。那么，我应该增加C-2的假阳性并增加C-1的假阴性吗？ （因为真正的答案是C-1）

则应该增加计数其在与*以下指示其与Declare C-2和Is C-1相关联的混淆矩阵的单元值。

 | Declare C-1 | Declare C-2 | 
|Is C-1|  0  | 0*  | 
|Is C-2|  0  | 0  |