精度计算异常
Anomaly in accuracy calculation
我正在 class使用预训练的 VGG19 验证具有四个 classes 的数据集。为了计算准确度，我使用了这个公式：
accuracy = sum(predictedLabels==testLabels)/numel(predictedLabels) --式1
然后我使用以下方法计算混淆矩阵：
confMat = confusionmat(testLabels, predictedLabels) **--Eq 2**
我从中得到了一个 4 行 4 列的矩阵，因为我有 4 个 classes。
现在，我们知道准确率公式也是：
Accuracy=TP+TN/(TP+TN+FP+FN) **Eq-3**
所以我还根据上面 Eq 形成的混淆矩阵计算了准确度。 2。在哪里
TP=value in (row==column),
FP=sum of column-TP,
FN=sum of row-TP,
TN=sum of the diagonal-TP
如果我执行上述步骤没问题，那么我的困惑是我从两种方法 Eq 1 和 Eq 3 得到不同的准确度。我用 Eq. 得到的准确度。 1等价于公式TP/(TP+TN)。所以，如果是这种情况，那么 Eq。 1是计算精度的错误公式。但是，这个公式已用于所有 matlab 深度学习代码。
所以，MATLAB 做错了什么（我知道概率为 0）或者我做错了什么。但是，不幸的是，我无法查明我的错误。
现在，问题是，
我做错了吗？我在哪里错过了这一步？如何纠正？这种异常的逻辑解释是什么？
编辑
这种精度计算异常是由于class不平衡问题造成的。也就是说，每个 class 中有不同数量的样本。因此，等式中的常规精度公式。 3 在这种情况下将不起作用。
主要问题是，当您对两个以上的类别进行分类时，负面和正面是用于预测（这是猫还是不是猫）。分类器不会给你正面和负面（因为它是猫预测），所以不可能将答案与真阳性或假阳性等联系起来。因此等式 3 是无意义的，计算 TP 的方法也是如此, TN 等。例如，如果 TP 是您定义的 row=column，那么这些是 confMat 对角线上的准确值。但什么是 TN？根据您的定义，它是 TP（对角线）减去对角线。我希望这有助于把事情写上轨道。
我正在 class使用预训练的 VGG19 验证具有四个 classes 的数据集。为了计算准确度，我使用了这个公式：
accuracy = sum(predictedLabels==testLabels)/numel(predictedLabels) --式1
然后我使用以下方法计算混淆矩阵：
confMat = confusionmat(testLabels, predictedLabels) **--Eq 2**
我从中得到了一个 4 行 4 列的矩阵，因为我有 4 个 classes。
现在，我们知道准确率公式也是：
Accuracy=TP+TN/(TP+TN+FP+FN) **Eq-3**
所以我还根据上面 Eq 形成的混淆矩阵计算了准确度。 2。在哪里
TP=value in (row==column),
FP=sum of column-TP,
FN=sum of row-TP,
TN=sum of the diagonal-TP
如果我执行上述步骤没问题，那么我的困惑是我从两种方法 Eq 1 和 Eq 3 得到不同的准确度。我用 Eq. 得到的准确度。 1等价于公式TP/(TP+TN)。所以，如果是这种情况，那么 Eq。 1是计算精度的错误公式。但是，这个公式已用于所有 matlab 深度学习代码。
所以，MATLAB 做错了什么（我知道概率为 0）或者我做错了什么。但是，不幸的是，我无法查明我的错误。
现在，问题是，
我做错了吗？我在哪里错过了这一步？如何纠正？这种异常的逻辑解释是什么？
编辑
这种精度计算异常是由于class不平衡问题造成的。也就是说，每个 class 中有不同数量的样本。因此，等式中的常规精度公式。 3 在这种情况下将不起作用。
主要问题是，当您对两个以上的类别进行分类时，负面和正面是用于预测（这是猫还是不是猫）。分类器不会给你正面和负面（因为它是猫预测），所以不可能将答案与真阳性或假阳性等联系起来。因此等式 3 是无意义的，计算 TP 的方法也是如此, TN 等。例如，如果 TP 是您定义的 row=column，那么这些是 confMat 对角线上的准确值。但什么是 TN？根据您的定义，它是 TP（对角线）减去对角线。我希望这有助于把事情写上轨道。