从代码结果入手
1、Confusion Matrix 混淆矩阵(监督学习中)
主要用于比较分类结果和实际测得值(预测和实际),可以把分类结果的精度显示在一个混淆矩阵里面。
第一行第一列表示有43个实际归属第一类的实例被预测为第一类,同理,第二行第一列表示有2个实际归属为第二类的实例被错误预测为第一类。
每一行之和为50,表示50个样本; 第一行说明类1的50个样本有43个分类正确,5个错分为类2,2个错分为类3。
2、结论1:信噪比越高,分类精度越好
从代码结果入手
1、Confusion Matrix 混淆矩阵(监督学习中)
主要用于比较分类结果和实际测得值(预测和实际),可以把分类结果的精度显示在一个混淆矩阵里面。
第一行第一列表示有43个实际归属第一类的实例被预测为第一类,同理,第二行第一列表示有2个实际归属为第二类的实例被错误预测为第一类。
每一行之和为50,表示50个样本; 第一行说明类1的50个样本有43个分类正确,5个错分为类2,2个错分为类3。
2、结论1:信噪比越高,分类精度越好