The confusion matrix is often used

The confusion matrix is often used for classification analysis, where a C ×
C matrix (C is the number of classes) is created by matching the predicted
values (in columns) with the desired classes (in rows). For an ordered output,
the predicted class is given by pi = yi
, if |yi − ybi
| ≤ T, else pi = y
0
i
, where
y
0
i denotes the closest class to ybi
, given that y
0
i
6= yi
. From the matrix, several
metrics can be used to access the overall classification performance, such as the
accuracy and precision (i.e. the predicted column accuracies)

ผลลัพธ์ (ไทย) 1:

เมตริกซ์ความสับสนมักใช้สำหรับการวิเคราะห์จัดประเภท ซื้อ Cสร้างเมตริกซ์ C (C คือ จำนวนชั้น) โดยตรงกับการคาดการณ์ค่าในคอลัมน์) กับคลาสที่ระบุ (ในแถว) สำหรับสั่งออกระดับคาดการณ์ถูกกำหนด โดย pi =ยีถ้า |yi − ybi| ≤ T ปี่อื่น = y0ฉันที่y0ฉันหมายถึงคลา ybi ใกล้เคียงที่สุด, y ที่กำหนดให้0ฉัน6 =ยี. จากเมตริกซ์ หลายสามารถใช้วัดถึงประสิทธิภาพโดยรวมของการจัดประเภท เช่นการความถูกต้องและแม่นยำ (เช่นคอลัมน์คาดการณ์ accuracies จ)

ผลลัพธ์ (ไทย) 2:

เมทริกซ์สับสนมักจะถูกใช้ในการวิเคราะห์การจัดหมวดหมู่ที่ C
×เมทริกซ์C (C คือจำนวนของชั้นเรียน)
จะถูกสร้างขึ้นโดยการจับคู่ที่คาดการณ์ไว้ค่า(ในคอลัมน์) กับชั้นเรียนที่ต้องการ (ในแถว) สำหรับการส่งออกสั่ง,
ระดับที่คาดการณ์ไว้จะได้รับจากปี่ =
ยี่ถ้า| ยี่ - YBI
| ≤ T, อื่นปี่ y =
0 ฉันที่Y 0 ฉันหมายถึงระดับที่ใกล้เคียงกับ YBI ให้ที่ Y 0 ฉัน6 = ยี่. จากเมทริกซ์หลายตัวชี้วัดที่สามารถนำมาใช้ในการเข้าถึงประสิทธิภาพการจัดหมวดหมู่โดยรวมเช่นความถูกต้องและความแม่นยำ(เช่นที่คาดการณ์ถูกต้องคอลัมน์)

ผลลัพธ์ (ไทย) 3:

ความสับสนเมทริกซ์มักจะใช้สำหรับการวิเคราะห์การจำแนกที่ C ×
c เมทริกซ์ ( C คือ จำนวนประเภท ) ถูกสร้างขึ้นโดยตรงกับทำนาย
ค่า ( เสา ) กับที่ต้องการเรียน ( แถว ) สำหรับการสั่งผลิต
ทำนายระดับจะได้รับโดย Pi = อี
ถ้า | ยี− ybi
| ≤ T อีก Pi = y
0
ผม

y
0
ซึ่งฉันหมายถึงห้องใกล้ ybi
, ระบุว่า Y
o
ผม

6 = อี .จากเมตริกซ์หลาย
เมตริกที่สามารถใช้ในการเข้าถึงประสิทธิภาพการจำแนกโดยรวม เช่น
ถูกต้องและแม่นยำ ( เช่นคอลัมน์ทำนายความถูกต้อง )