对于多类分类，您通常会选择一个混淆矩阵来绘制预测类与目标类的误差。
可视化多标签分类器错误的最佳方法是什么？由于一次预测多个类，预测与目标的映射并不总是可能的，因此混淆矩阵通常不适合。
我的第一个想法是绘制一个条形图，其中每个类都有一个用于错过的条形和一个用于错误预测的条形图。但是有没有任何标准可以可视化包含更多信息的错误，就像多类问题的混淆矩阵一样？
如何可视化多标签分类器的结果/错误？
数据挖掘
机器学习
Python
分类
可视化
多标签分类
2021-10-04 07:09:07
2个回答
有一种叫做宏观平均和微观平均的东西。
宏观平均就是将每个标签类的 TPs、TNs、FPs 和 FNs 相加并平均。您应该使用宏观平均来概括和评估整体。你不应该用它来做出具体的决定。
在下面的链接中查看微平均和更多评估技术的详细信息。
https://towardsdatascience.com/journey-to-the-center-of-multi-label-classification-384c40229bff#6aaa
我发现分类报告对于理解我的模型对每个标签的表现非常有帮助。它会生成一份报告，详细说明每个标签的 f1 分数、召回率和精度。
其它你可能感兴趣的问题