matrix - 混淆矩阵和列联表之间有什么区别？

Question

我正在编写一段代码来评估我的聚类算法，并且发现每种评估方法都需要来自m*n矩阵（如A = {aij}）的基本数据，其中aij是属于该成员的数据点的数量类ci和群集kj的元素。

但是，在《数据挖掘概论》（Pang-Ning Tan等人）中，似乎有两种这种类型的矩阵，一种是混淆矩阵，另一种是列联表。我不完全了解两者之间的区别。哪个最能描述我要使用的矩阵？

Answer 1

Wikipedia's definition：


在人工智能领域，混淆矩阵是
监督学习中通常使用的可视化工具（在
无监督学习，通常称为匹配矩阵）。每
矩阵的一栏代表预测类别中的实例，
而每一行代表一个实际类中的实例。


混淆矩阵应该清楚，它基本上告诉了多少实际结果与预测结果相匹配。例如，请参阅此混淆矩阵

                 predicted class
                        c1  -  c2
  Actual class   c1     15  -   3
                ___________________
                 c2     0   -   2

它表明：


第1列第1列表示分类器已预测属于类别c1的15个项目，而实际上属于类别c1的15个项目（这是正确的预测）
第二列第一行表明分类器已预测3个项目属于类c2，但它们实际上属于类c1（这是错误的预测）
第1列第2列表示没有任何实际属于类别c2的项目被预测为属于类别c1（这是错误的预测）
第2列第2列告诉我们，属于类别c2的2个项目已被预测属于类别c2（这是正确的预测）


现在，请参阅本书中的准确性和错误率公式（第4章，第4.2节），您应该能够清楚地理解什么是混淆矩阵。它用于使用具有已知结果的数据测试分类器的准确性。 K-Fold方法（在书中也提到过）是计算分类器准确性的方法之一，您在书中也提到过。

现在，对于列联表：
Wikipedia's definition：


在统计数据中，列联表（也称为交叉表
制表或交叉表）是一种矩阵格式的表格，
显示变量的（多变量）频率分布。
它通常用于记录和分析两个或两个之间的关系
更多类别变量。


在数据挖掘中，列联表用于显示在阅读中一起出现的项目，例如在交易中或在销售分析的购物车中。例如（这是您提到的书中的示例）：

       Coffee  !coffee
tea    150       50      200
!tea   650       150     800
       800       200    1000   

它告诉我们，有1000份回复（关于他们喜欢咖啡和茶还是两者或其中之一的回复，是一项调查的结果）：


150个人喜欢茶和咖啡
50个人喜欢喝茶，但是不喜欢喝咖啡
650人不喜欢喝茶，但是喜欢喝咖啡
150个人既不喜欢茶也不喜欢咖啡


列联表用于查找关联规则的支持度和置信度，基本上用于评估关联规则（请参阅第6章，第6.7.1节）。

现在的区别在于，混淆矩阵用于评估分类器的性能，它告诉分类器对分类进行预测的准确度，而列联表用于评估关联规则。

现在，在阅读答案之后，请使用google（在阅读书时始终使用google），阅读书中的内容，查看一些示例，并且别忘了解决书中给出的一些练习，您应该对它们都有一个清晰的概念，以及在特定情况下使用什么以及为什么使用。

希望这可以帮助。