예를 들어 k- 수단을 사용하여 5 개의 클러스터 (센터)에 1000 개의 인스턴스가 포함 된 5 개의 클래스의 학습 데이터 세트를 클러스터했다고 가정 해보십시오. 그런 다음 테스트 데이터 집합의 유효성을 검사하여 혼동 행렬을 구성했습니다. 나는 그때부터 ROC 곡선을 그리기를 원한다. 어떻게 할 수 있는가?
다른 분류 자 (LDA, SVM, KNN)를 사용하여 두 개의 클래스를 포함하는 데이터 세트를 분류하려고하고 있으며 성능을 비교하고 싶습니다. 나는 priori 확률을 수정하여 LDA에 대한 ROC 곡선을 만들었습니다. 하지만 어떻게 KNN 분류기에 대해 동일한 작업을 수행 할 수 있습니까? 나는 일부 기능 문서를 검색하고 발견 Class = knncl
코드 here을 사용하여 첫 번째 혼란 히트 맵을 만들었습니다. 나는 예측 된 데이터와 실제 데이터가 밀접하게 관련되어 있다는 것을 보여주는 "증가하는"대각선으로 매우 멋진 그림을 얻었습니다. 다른 혼란 행렬을 살펴보면, 모두 대각선으로 줄어드는 것을 볼 수 있습니다. 그런 식으로 내 플롯을 적용해야하는지 궁금합니다 (그렇다면 어떻게?). 그것에 대한 아이
This paper에는 시끄러운 채널의 철자 오류에 대한 혼동 행렬이 포함되어 있습니다. 조건부 속성을 기반으로 오류를 수정하는 방법을 설명합니다. 조건부 확률 계산은 2 페이지, 왼쪽 열에 있습니다. 저자는 "각주 행렬은 쉽게 복제 될 수 있으므로 부록에서 생략됩니다."라고 저자는 말하고 있습니다. 나는 그들이 어떻게 복제 될 수 있는지 알 수 없다! 어
좋습니다. 이제이 질문은 꽤 어렵습니다. 나는 당신에게 모범을 보이려합니다. 지금 왼쪽 숫자는 내 알고리즘을 분류하고 올바른 숫자는 원래의 클래스 번호입니다 그래서 여기 당신이 볼 수 있듯이 내 알고리즘 1에 2 개 개의 다른 클래스를 합병이에 클래스 86과 89를 합병 177 86
177 86
177 86
177 86
177 86
177 86
배울 Scikit : gold_labels 및 예측 라벨 골드 라벨/라벨을 예측 cm = confusion_matrix(gold_labels, predicted_labels)
pl.matshow(cm) #I use pl to generate an image
pl.title('Confusion Matrix')
pl.ylabel('True label')
나는 최근에 this paper에 설명 된 것을 기반으로 Bag of Words 분류 알고리즘을 구현했습니다. 모두 잘 작동하지만 ROC 곡선 또는 정밀도 리콜 그래프를 사용하여 분류기의 정확도를 측정하고 싶습니다. 각 분류기에 대한 혼동 행렬을 쉽게 얻을 수 있지만 더 많은 점을 얻고 실제로 곡선을 그릴 때 어떤 매개 변수를 변경해야하는지 알지 못합니다.
혼란 행렬을 사용하여 분류 자의 성능을 측정하고 있습니다. 이 예는 저 (its from here)에 대한 잘 작동 것입니다,하지만 난 모든 시간 TypeError: Invalid dimensions for image data from numpy import *
import matplotlib.pyplot as plt
from pylab import *
이 스크립트로 혼동 행렬을 그려야합니다. 이를 실행하면 빈 플롯이 나타납니다. 나는 해결책에 가까웠다. 어떤 힌트? from numpy import *
import matplotlib.pyplot as plt
from pylab import *
conf_arr = [[50.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [3.0, 26.
에서 해석 할 수 없습니다. 포레스트 폴리곤의 데이터 세트가 있고 혼란 행렬을 사용하여 필드 분류와 맵 분류를 비교하려고합니다. 내가 찾을 수있는 유일한 패키지는 더 큰 데이터 세트 (2 개 이상의 분류 옵션)에서 실행될 수 있으며 텍스트 값을 비교할 수있는 패키지 'mda'에있었습니다. 나는 패키지 'mda'를 실행하고 '혼란'을위한 코드를 사용했다. 패