贝叶斯网络的混淆矩阵答案

【问题标题】：Confusion Matrix of Bayesian Network贝叶斯网络的混淆矩阵
【发布时间】：2011-02-25 18:58:10
【问题描述】：

我正在尝试了解贝叶斯网络。我有一个有10个属性的数据文件，我想获取这个数据表的混淆表，我想我需要计算所有字段的tp，fp，fn，tn。是真的吗？如果是这样，那么我需要为贝叶斯网络做些什么。

真的需要一些指导，我迷路了。

【问题讨论】：

【解决方案1】：

您要问的是一个具有两个以上类的混淆矩阵。以下是您的操作步骤：

这里是论文的参考资料，您可以了解更多信息：

Picca, Davide, Benoît Curdy, and François Bavaud.2006.Non-linear correspondence analysis in text retrieval: A kernel view. In Proc. JADT.

【讨论】：

【解决方案2】：

这个过程通常是这样的：

您有一些带标签的数据实例你想用它来训练一个分类器，以便它可以预测新的未标记实例的类别。
使用分类器选择（神经网络，贝叶斯 net、SVM 等...）我们构建了一个使用您的训练数据建模作为输入。
此时，您通常希望评估的性能部署之前的模型。所以使用一个先前未使用的数据子集（测试集），我们比较模型这些实例的分类与实际班级相反。一种总结这些结果的好方法是由一个混淆矩阵显示每类实例如何预测。

对于二元分类任务，惯例是将一个类指定为正类，将另一个类指定为负类。因此，从混淆矩阵中，被正确分类为正例的正例的百分比被称为真正例（TP）率。其他定义遵循相同的约定...

【讨论】：

【解决方案3】：

Confusion matrix 用于评估分类器的性能，任何分类器。

【讨论】：