问多类对象多标号分类中的混淆矩阵
EN

Data Science用户

提问于 2019-02-25 19:24:18

回答 1查看 1.2K关注 0票数 3

关于分类问题，例如，给出一幅描绘人类的图像，我们试图预测他们的立场和行为。例如，人类1：“坐”和“吃”在第一张图片中，而人类2：“站起来”和“笑”在第二。在预测中应用混淆矩阵的适当方法是什么？我必须统一预测吗？

例如，我们有5个不同的姿态和5个不同的行为，因此混淆矩阵的大小为25x25，因为我们有25个不同的类。又或是否有其他方法处理这些问题？

对图像上的多个对象也可以这样做吗？

回答已采纳

发布于 2019-02-27 05:58:42

混淆矩阵通常不被认为是评估我们的多类分类模型的有用工具，我们使用的是所谓的AUC-ROC曲线。

AUC代表曲线下的面积，而ROC代表累加操作曲线。AUC - ROC曲线是对不同阈值设置下的分类问题的性能度量.ROC是一条概率曲线，AUC代表可分性的程度或尺度。它告诉我们有多少模型能够区分不同的类。

这里是对AUC-ROC曲线的详细解释.

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/46220

复制

相似问题

问多类对象多标号分类中的混淆矩阵EN