张量流中的混淆矩阵顺序
Confusion matrix order in tensorflow
我有6个类,我在Tensorflow中使用tf-slim得到混淆矩阵如
[[41 2 0 0 0 0]
[ 1 11 4 1 0 0]
[ 0 1 12 0 0 0]
[ 0 0 0 22 1 0]
[ 0 0 0 0 7 0]
[ 0 0 0 0 0 20]]
我的问题是上面table的混淆矩阵阶数是多少?如果我说列代表预测标签,而行代表真实标签,对吗?对面说了一些参考。
你用过tf.confusion_matrix(labels,predictions)
吗?
如果是这样,列代表预测标签,而行代表真实标签。
通常的表示是
PREDICTED
[[41 2 0 0 0 0]
T [ 1 11 4 1 0 0]
R [ 0 1 12 0 0 0]
U [ 0 0 0 22 1 0]
E [ 0 0 0 0 7 0]
[ 0 0 0 0 0 20]]
正如M. Rath (+1)所指出的,这也是Tensorflow所做的。这意味着对于 41 个样本,您正确预测了 class 0。对于 2 个样本,您预测了 class 1,但实际上是 class 0。
请注意,您还可以操纵可视化的顺序。所以而不是
class 0, class 1, class 2
您可以(对于预测值和真实值)订单
class 0, class 2, class 1
这包含相同的信息,但可视化可能传达不同的故事。见我的硕士论文分析与优化
Convolutional Neural Network Architectures 第 48 页(混淆矩阵排序),尤其是图 5.12 和 5.13。
可以在工具中找到实现 clana
我有6个类,我在Tensorflow中使用tf-slim得到混淆矩阵如
[[41 2 0 0 0 0]
[ 1 11 4 1 0 0]
[ 0 1 12 0 0 0]
[ 0 0 0 22 1 0]
[ 0 0 0 0 7 0]
[ 0 0 0 0 0 20]]
我的问题是上面table的混淆矩阵阶数是多少?如果我说列代表预测标签,而行代表真实标签,对吗?对面说了一些参考。
你用过tf.confusion_matrix(labels,predictions)
吗?
如果是这样,列代表预测标签,而行代表真实标签。
通常的表示是
PREDICTED
[[41 2 0 0 0 0]
T [ 1 11 4 1 0 0]
R [ 0 1 12 0 0 0]
U [ 0 0 0 22 1 0]
E [ 0 0 0 0 7 0]
[ 0 0 0 0 0 20]]
正如M. Rath (+1)所指出的,这也是Tensorflow所做的。这意味着对于 41 个样本,您正确预测了 class 0。对于 2 个样本,您预测了 class 1,但实际上是 class 0。
请注意,您还可以操纵可视化的顺序。所以而不是
class 0, class 1, class 2
您可以(对于预测值和真实值)订单
class 0, class 2, class 1
这包含相同的信息,但可视化可能传达不同的故事。见我的硕士论文分析与优化 Convolutional Neural Network Architectures 第 48 页(混淆矩阵排序),尤其是图 5.12 和 5.13。
可以在工具中找到实现 clana