confusionmatrix什么意思（condusion怎么读）

：暂无数据 2026-11-03 22:50:08 ：2

其实confusionmatrix什么意思的问题并不复杂，但是又很多的朋友都不太了解condusion怎么读，因此呢，今天小编就来为大家分享confusionmatrix什么意思的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！

本文目录

condusion怎么读
混淆矩阵(Confusion Matrix)
confusion是什么意思

condusion怎么读

condusion书写错误，正确的写法是confusion，读作

confusion解析：

1、音标：　英

2、意思：　　

n. 惶惑；混淆；混乱；不确定状态

3、词语搭配：

cause confusion 引起混乱
end confusion 结束混乱
complete confusion 彻底混乱
mental confusion 头脑混乱
amid〔in〕 confusion 在混乱中
create confusion 造成混乱

4、例句：

His answers to my questions have only added to my confusion.
他对我的问题的回答只是使我更加困惑不解。
His unexpected arrival threw us into total confusion.
他的突然来访使我们完全不知所措。

The most brilliant person may be mired in details and confusions.
即使是最聪明的人也会陷入琐事与混乱之中。
The room was in confusion after the birthday party.
生日晚会之后，房间里一片混乱。

假设有一个算法，其预测某种癌症的准确率为99.9%。这个算法好吗？
99.9%的准确率看上去很高，但是如果这种癌症本身的发病率只有0.1%，即使不训练模型而直接预测所有人都是健康人，这样的预测的准确率也能达到99.9%。更极端的情况，如果这种癌症本身的发病率只有0.01%，这算法预测的准确率还不如直接预测所有人都健康。对于极度偏斜的数据(癌症患者的人数和健康人数量差别特别大)（skewed data），用准确率评价分类算法好坏有局限性。解决方法：混淆矩阵

0 - Negative - 阴性, 1 - Positive - 阳性
1是我们关注的部分。

00位置代表有9978人真实没患癌症; 模型预测9978人也没患癌症
01位置代表有12人没患癌症; 模型却预测12人患了癌症
11位置代表有2人患了癌症; 模型却预测2人没患癌症
12位置代表有8人患了癌症; 模型预测8人患了癌症

准确率表示预测我们关注事件的准确率
1是我们关注的部分

召回率表示我们算法在已经发生的事件中正确预测个数的比率。

如果某种癌症的发病率为0.1%，那么预测所有人都健康的模型，虽然准确率达到99.9%。但精准率没有意义，召回率为0，可见这个模型是个无效的模型。

准确度

输出：0.9755555555555555

输出结果：
array()

输出结果：0.8

0.8

对于极度偏斜的数据，使用指标精准率和召回率都优于使用指标分类准确度。
但精准率和召回率是两个指标。如果一个算法的精准率和召回率表现不同，该如何取舍这两个指标？
解决方法1：视具体场景而定。
有时我们注重精准率，比如股票预测，我们希望预测股票为升结果都是准确的（否则可能亏钱），而不在意错过另一些错过的股票上升的机会（错过一些赚钱的机会）。
有时我们注重召回率，比如病人诊断。我们希望得病的人都能识别出来（否则这些人可能会病情恶化），而有一些没得病的人被错误地识别出来没有关系（这些人做进一步检查即可）。
解决方法2：同时关注精准率和召回率，即新指标：F1 score
F1 score是precision和recall的调和平均值。

调和平均值的特点：如果precision和recall非常不平衡，则f1 score也是比较低的。只有两者都高，F1 score才会高。
F1 score的取值范围：

precision和recall取不同的值对f1_score的影响

对于调和平均值来说，二者有一个分数较低，都会极大的拉低结果。
因此能更好的表征precison和recal这两个指标。

输出：0.8674698795180723
对有偏数据，指标F1 score优于分类准确度。

我们总是希望精准率和召回率这两个指标都尽可能地高。但事实上精准率和召回率是互相矛盾的，我们只能在其中找到一个平衡。
以逻辑回归为例来说明精准率和召回率之间的矛盾关系，以下是逻辑回归的公式

在这里决策边界是以0为分界点，如果把0改成一个自定义的threshold，threshold的改变会平移决策边界，从而影响精准率和召回率的结果。