Weka中“混淆矩阵”的混淆

Question

我在LingSpam数据集上运行支持向量机分类器，并在WEKA中得到以下混淆矩阵：

​

​

如果我们考虑合法的->正类和垃圾邮件->负面类，那么True Positives=2405和True Negatives=470。

但我对假阴性和假阳性感到困惑。如果你读了“困惑表”部分这里，它看起来像是假的Positives=11和假的Negatives=7。但是如果你读了这里 (请使用Ctrl+F并搜索‘所有这些数字意味着什么？’)，它似乎是假的Positives=7和假的Negatives=11。

我很困惑：请帮帮我!此外，IR_Precision和IR_Recall在WEKA中是什么？是legitimate_precision和legitimate_recall还是spam_precision和spam_recall？

注:将合法电子邮件视为积极类，将垃圾邮件视为负面类。

Answer 1

这取决于您定义的“积极”类是什么。“合法”没有什么特别之处，这意味着它是一个积极的类，你可以用任何一种方式去做。

在这里将“垃圾邮件”称为积极类会更加传统，因为这是您正在检测到的不寻常属性。在这种解释中，有470个真正的积极因素，等等，在你的解释中，有2405个。这两种方法本身都是错误的，但同样地，将“垃圾邮件”作为积极类来对待可能是一种习惯。

同样的答案是关于精确性和召回。它适用于正类，但取决于您所使用的正类。如果你在这个混乱的矩阵，它将寻找精确性和召回的“合法”作为积极的类。理想情况下，我会扭转这种局面。

Answer 2

首先，如果你仔细看一下关于垃圾邮件分类问题的研究文章，几乎所有的文章都把垃圾邮件定义为正数，把垃圾邮件定义为否定词。在你的情况下，情况正好相反。所以，它有机会混淆读者。

然而，Weka混淆矩阵是完全可以的。以下是根据传统垃圾邮件分类任务对正反两类的定义：

True positives: original label spam, predicted label spam (very good)
False positives: original label ham, predicted label spam (very dangerous)
False negatives: original label spam, predicted label ham (less dangerous)
True negatives: original label hams, predicted labels ham (very good)

在您的情况下(如果您想要与传统垃圾邮件分类任务中的内容进行比较)，

True positives: 470
False positives: 7
False negatives: 11
True negatives: 2405

只要把混乱矩阵颠倒过来就可以这样解读它们了。我认为主要的困惑来自于你对积极和消极的定义。

希望这能有所帮助。