1. 概述

1.1 分类

分类：标签为离散值。

回归：标签为连续值。

2. 混淆矩阵

二分类的混淆矩阵：

TP 和 TN 为网络预测正确的部分，FP 和 FN 为网络预测错误的部分。

3. 二级指标

准确率： 针对模型的整体评估，预测正确的样本数占总样本数的比例。

精确率： 预测的结果中，预测正确的比例；

召回率： 真实的结果中，预测正确的比例。

3.1 F1-Score

4. An example

三分类问题的混淆矩阵。

4.1 Accuracy

将问题转化为判别是否为猫的二分类问题，则混淆矩阵退化如下：

4.2 精确率

4.3 召回率

4.4 特异度

4.5 F1-Score

5. MobileNetV2 预测花分类的混淆矩阵

横坐标为真实标签(True Labels)，纵坐标为预测标签(Predicted Labels)。

注： 我们在不同的材料，可以看到混淆矩阵的行和列可能定义不同，在具体使用和分析时，需注意。

---

欢迎关注公众号：【千艺千寻】，共同成长

---

参考：

1. 【子豪兄】机器学习基础
2. 使用pytorch和tensorflow计算分类模型的混淆矩阵
3. 模型效果评价—混淆矩阵（原理及Python实现）
4. 深度学习之图像分类（一）–分类模型的混淆矩阵