[Data Science] 什麼是混淆矩陣 (Confusion Matrix) -模型評估指標
前言 在機器學習和統計學中,混淆矩陣是一種表示監督式學習模型預測結果的表格,特別適用於分類問題。混淆矩陣可以幫助我們了解模型在不同類別上的表現情況,進而評估模型的效能。 一、混淆矩陣的概念 混淆矩陣通常是一個 N x N 的矩陣,其中 N 是類別的數量。對於二元分類問題來說,混淆矩陣是一個 2x2 的矩陣,包含以下四個重要的元素: True Positive (TP):真陽性,表示模型正確地將正類別樣本分類為正類別。 False Positive (FP):假陽性,表示模型將負類別樣本錯誤地分類為正類別。 True Negative (TN):真陰性,表示模型正確地將負類別樣本分類為負類別。 False Negative (FN):假陰性,表示模型將正類別樣本錯誤地分類為負類別。 二、混淆矩陣的應用 混淆矩陣可以幫助我們計算出許多模型評估指標,包括準確率、精確率、召回率和 F值分數等。這些指標可以幫助我們全面評估模型在不同方面的表現。 準確率(