如果您正在测试模型的性能（即不优化参数），通常您会对混淆矩阵求和。可以这样想，您已将数据分成 10 个不同的折叠或“测试”集。您在 9/10 的折叠上训练模型并测试第一个折叠并获得混淆矩阵。这个混淆矩阵代表了 1/10 数据的分类。您使用下一个“测试”集再次重复分析，并获得另一个混淆矩阵，代表另外 1/10 的数据。将这个新的混淆矩阵添加到第一个现在代表了 20% 的数据。你继续，直到你跑完所有的折叠，对所有的混淆矩阵求和，最终的混淆矩阵代表该模型对所有数据的性能. 您可以对混淆矩阵进行平均，但这并不能真正从累积矩阵中提供任何额外信息，并且如果您的折叠大小不完全相同，则可能会出现偏差。

注意- 这假设您的数据不重复采样。我不完全确定这对于重复采样是否会有所不同。如果我学到一些东西或有人推荐一种方法，将会更新。