我正在尝试了解贝叶斯网络。我有一个数据文件,有10个属性,我想获取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?如果是,那么我需要为贝叶斯网络做些什么。
真的需要一些指导,我迷路了。
最佳答案
过程通常是这样的:
- 你有一些带标签的数据实例 你想用它来训练 分类器,以便它可以预测 新的未标记实例的类别。
- 使用分类器 选择(神经网络,贝叶斯 net、SVM 等...)我们构建一个 使用您的训练数据建模 作为输入。
- 在这一点上,你通常会喜欢 评估的性能 部署之前的模型。所以使用一个 以前未使用的数据子集 (测试集),我们比较模型 这些实例的分类 与实际类(class)相比。一个 总结这些结果的好方法 由一个混淆矩阵显示 每类实例是怎样的 预测。
对于二元分类任务,惯例是将一个类指定为正类,将另一个类指定为负类。因此,从混淆矩阵中,被正确分类为阳性的阳性实例的百分比被称为真阳性 (TP) 率。其他定义遵循相同的约定...
关于matrix - 贝叶斯网络的混淆矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2940369/