ML01 机器学习后利用混淆矩阵Confusion matrix 进行结果分析

 

目标： 快速理解什么是混淆矩阵， 混淆矩阵是用来干嘛的。

　　

首先理解什么是confusion matrix

看定义，在机器学习领域，混淆矩阵（confusion matrix），又称为可能性表格或是错误矩阵。它是一种特定的矩阵用来呈现算法性能的效果，通常是监督学习（非监督学习，通常用匹配矩阵：matching matrix）。

大白话来讲，就是对机器学习算法的运行结果进行评价，效果如何，精确度怎么样而已。

举个例子，在什么场景下需要这个confusion matrix

假设有一个用来对猫（cats）、狗（dogs）、兔子（rabbits）进行机器学习分类，预测结果（Predicted class）如下图所示。

而实际上共有 27 只动物：8只猫， 6条狗， 13只兔子，如（actual class）所示。

从上表中能看出机器学习预测后的结果了吧， 

Cat的正确率： 5/8,  3只猫误判成狗了。

Dog的正确率： 3/6,  2只当成猫，一只误判成兔子。

Rabbit 的正确率：11/13, 准确率还不错，只有2只误判成狗

场景弄明白了，接下来，confusion matrix的介绍真正开始了。

confusion matrix 的组成

混淆矩阵是由false positives，falsenegatives，true positives和true negatives组成的两行两列的表格。它允许我们做出更多的分析，而不仅仅是局限在正确率。准确率对于分类器的性能分析来说，并不是一个很好地衡量指标，因为如果数据集不平衡（每一类的数据样本数量相差太大），很可能会出现误导性的结果。

例如，如果在一个数据集中有95只猫，但是只有5条狗，那么某些分类器很可能偏向于将所有的样本预测成猫。整体准确率为95%，但是实际上该分类器对猫的识别率是100%，而对狗的识别率是0%。

对于上面的混淆矩阵，其对应的对猫这个类别的混淆表格如下：

大白话有来了，其实这个矩阵就是告诉你一下信息：

总共8只猫给你预测：

5只猫都对了（true positive）              2只狗错当成了猫

3只猫错当成狗了（false negative）   剩下的（27-5-2-3）=17 都对啦。

 

 如何使用confusion matrix

直接利用Accord 提供的类进行统计。

using Accord.Statistics.Analysis 

// 机器学习的预测结构
 bool[] expected = Classes.Decide(table.GetColumn(2));

// 实际结果
 bool[] output = svm.Decide(inputs);

 // Use confusion matrix to compute some performance metrics
dgvPerformance.DataSource = new [] { new ConfusionMatrix(output, expected) };

reference：https://en.wikipedia.org/wiki/Confusion_matrix