多类分类器评估

Question

我正在阅读分类器，尤其是多类分类器。我的问题是，当我使用精度和召回率评估分类器时，我不明白多类分类器评估中 False Positive 和 False Negative 的含义。 p>

例如，当我对文档（其真实类别为 C-1）进行分类时，分类器将其分类为 C-2。那么，我应该在 C-2 处增加假阳性并在 C-1 处增加假阴性吗？ （因为真正的答案是 C-1。）

Answer 1

一句话回答 - 是的，这一错误分类的影响将增加 C-2 的误报，而增加的 C-1 的误报将下降。因此，C-2 的准确率会下降，C-1 的召回率会下降。

stats.stackexchange.com 上有一个类似的问题，也有详细的答案：

https://stats.stackexchange.com/questions/51296/how-do-you-calculate-precision-and-recall-for-multiclass-classification-using-co

Answer 2

由于您给出的示例是一个两类问题，我将在您的示例中解释 False Positive 和 False Negative。

在 2 类情况下，混淆矩阵通常如下所示：

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

我使用的符号表示以下含义：

• 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 = 误报
• TN = 真阴性

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

例如，您有一个如下表。

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

上表代表以下信息：

• 12 个文档被归类为 C-1，它们实际上属于 C-1。
• 6 个文档被归类为 C-2，但它们实际上属于 C-1。
• 8 个文档被归类为 C-1，但它们实际上属于 C-2。
• 11 个文档被归类为 C-2，它们实际上属于 C-2。

对于 C-1 类：

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

对于 C-2 类：

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

例如，当我对文档进行分类时（其真实类别为 C-1），分类器将其分类为 C-2。那么，我应该在 C-2 处增加假阳性并在 C-1 处增加假阴性吗？ （因为真正的答案是 C-1。）

您应该增加与Declare C-2 和Is C-1 关联的混淆矩阵的单元格值的计数，下面用* 表示。

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