深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）1、什么是混淆矩阵2、分类模型评价指标3、两种多分类混淆矩阵3.1直接打印出每一个类别的分类准确率。3.2打印具体的分类结果的数值4、总结
1、什么是混淆矩阵
深度学习中，混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。它可以直观地了解分类模型在每一类样本里面表现，常作为模型评估的一部分。它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）。
首先要明确几个概念：
T或者F：该样本 是否被正确分类。
P或者N：该样本 原本是正样本还是负样本
2021-04-09 15:28:45
207KB
1
用于生成测试多分类算法的数据集。自动生成500组数据，数据分为5种类型。适用于adaboost算法，svm算法，BP算法。
2021-04-08 16:56:17
1KB
1
对4组不同的信号分别采集20组，总共80组，然后经过特征提取(特征数量为8个)，得到80x8的矩阵。
划分数据集：将64组数据作为训练数据，16组数据作为测试数据，4类信号在训练集和测试集的数量比例相同，将训练集和测试集整体归一化，再分别作为KNN的输入。
源程序是利用KNN算法对训练集和测试集整体归一化后的测试数据进行分类，得到分类准确率。
2021-03-31 10:20:36
7KB
1
主要介绍了Keras中的多分类损失函数用法categorical_crossentropy，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-30 17:39:37
72KB
1