本文主要是介绍【转】weka里Detailed Accuracy By Class和 Confusion Matrix的含义，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
confusion matrix通常称为contingency table，我们现在讨论的case里有两个class。这个matrix可以非常大。正确分类的instances数是matrix的对角线上数字的和，其他的都是不正确分类的。斜对角线上的数字为假正和假负。
True positive(TP) rate，被正确分类为class x的比率。与recall相同。=正确分类为class x的数目/被分类为class x的总数目。在上图Confusion Matrix中为89/(89+2)。
False positive(FP) rate，被错误分类为class x的比率。=错误分类为class x的数目/被分类为class x的总数目。在上图Confusion Matrix中为2/(89+2)。
Precision，类型为class x的instances被正确分类为class x的比率。在matrix中，为89/(89+6)。
F-Measure，=2×Precision*Recall/(Precision+Recall))。precision和call的组合拳。
Ps：
training: 全部数据训练，全部数据测试。
方法不太一样。所以准确率会有些变化，cross结果更可靠
这篇关于【转】weka里Detailed Accuracy By Class和 Confusion Matrix的含义的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
![[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale](https://img-blog.csdnimg.cn/img_convert/172ed0ed26123345e1773ba0e0505cb3.png)
