贝叶斯网络的混淆矩阵

Question

我在试着理解贝叶斯网络。我有一个有10个属性的数据文件，我想获得这个数据表的混淆表，我想我需要计算所有字段的tp，fp，fn，tn。是真的吗？如果这就是我需要做的贝叶斯网络。

我真的需要一些指导，我迷路了。

Answer 1

这个过程通常是这样的：

• 您有一些要用于训练分类器的标记数据实例，以便它可以预测新的未标记实例的类。
• 使用你选择的分类器(神经网络，贝叶斯网络，支持向量机等)我们建立了一个模型，以您的培训数据作为输入。
• 此时，您通常希望在部署模型之前评估它的性能。因此，使用以前未使用的数据子集(测试集)，我们将这些实例的模型分类与实际类的模型分类进行比较。总结这些结果的一种很好的方法是使用一个混乱矩阵，它显示了如何预测每一类实例。

对于二进制分类任务，约定是将一个类指定为正类，另一个类分配为否定类。因此，从混淆矩阵中，正确划分为正的实例的百分比称为真阳性率(TP)。其他定义遵循同样的约定..。

Answer 2

混淆矩阵用于评估分类器的性能，任意分类器。

Answer 3

你要问的是一个包含两个以上类的混淆矩阵。下面是您所做的步骤：

• 为每个类构建一个分类器，其中训练集由类中的文档集(正标签)及其补语(负标签)组成。
• 给定测试文档，分别应用每个分类器。
• 将文档分配给类的最大分数、最大置信度值或最大概率。

以下是您可以获得更多信息的论文参考资料：

Picca, Davide, Benoît Curdy, and François Bavaud.2006.Non-linear correspondence analysis in text retrieval: A kernel view. In Proc. JADT.