Матрица глубокого обучения и путаницы

Question

Я обучил свою модель в керасе для бинарной классификации. Я использовал преформатор Re snet на Imag eNet, и я получил 95% точности. В моем наборе данных у меня есть 9004 изображения для обучения, разделенных на два класса, и 2250 изображений для теста, разделенных на два класса. Но матрица путаницы дает мне

• 4502 0
• 4502 0

Может ли кто-нибудь помочь мне узнать, что означает этот результат?

Answer 1

Интерпретация вашего результата следующая (обратите внимание, что для простоты индексы начинаются с 1, а не с 0):

Для вычисления количества правильных прогнозов в вашем тестовом наборе данных необходимо сложить главная диагональ матрицы.

Для первого класса (класс 1) все ваши прогнозы верны.

Это может быть выведено из вашей матрицы недоразумений, так как элемент на позиции [1,1] (first_row, first_col) равен 4502. Поскольку у вас 0 элемента на позиции [1,2], он означает, что все предсказания для класса 1. верны.

Однако для второго класса, который имеет на позиции [2,2] значение 0, это означает, что ни одно из ваших предсказаний для этого класса не является верным .

Практически, мы можем легко проверить, что 4502 находится на позиции [2,1].

Примечания:

1. Возможно, вы рассчитали точность / путаницу матрица на неправильном наборе данных. Согласно вашему описанию, 4502 * 2 = 9004, что означает, что приведенная здесь матрица смешения предназначена для тренировочного набора, а не для набора тестов.
2. Всякий раз, когда вы видите число в матрице смешения, которое не принадлежат к главной диагонали, это означает, что у вас есть регистр FP (ложный положительный результат) или FN (ложный отрицательный результат).