Я пытаюсь построить матрицу путаницы для пациента с кровяным давлением, в котором предсказано фактическое число пациентов. Артериальное давление = 0,18 и не .82. . Теперь классификатор Naive Bayes предсказал отсутствие пациентов с кровью давление = 0,410, а не 0.0913. Я новичок в этом, и я не получаю идею о том, как построить матрицу путаницы для вышеуказанной проблемы. Пожалуйста, кто-нибудь может мне помочь?Оценка классификатора NaiveBayes путем построения матрицы путаницы
-2
A
ответ
1
Чтобы вычислить матрицу путаницы, вам необходимо знать соглашение на отдельных образцах.
Вы не можете вычислить его по частотам отдельных оценок.
Математически, вам необходимо установить совместное распределение, но вы предоставили только граничные распределения.
Смежные вопросы
- 1. Изучение машин - Оценка классификатора
- 2. Оценка классификатора многоуровневого класса
- 3. Оценка классификатора WEKA
- 4. Обновление классификатора NaiveBayes (в scikit-learn) со временем
- 5. Классификация одного экземпляра в Weka с использованием классификатора NaiveBayes
- 6. Относительная оценка камеры Оценка из необходимой матрицы
- 7. Проблемы с путем построения
- 8. R построения разреженной матрицы
- 9. Оценка ключа динамической матрицы
- 10. оценка матрицы перехода hmm
- 11. PyMC - ковариационная оценка матрицы
- 12. аннотированный набор данных, путем обучения классификатора?
- 13. сделать матрицу путаницы для классификатора с 2 классами
- 14. Создание матрицы матрицы путем загрузки данных «MATLAB»
- 15. Оптимизируйте процесс построения крупной матрицы
- 16. Оценка матрицы гомографа 2D-3D
- 17. Ошибка в confusionMatrix.rfe: нереализованные матрицы путаницы недоступны
- 18. Подход к интерпретации следующей матрицы путаницы
- 19. Получить точность из статистики матрицы путаницы pandas
- 20. Как получить оценку для построения кривой ROC для классификатора генетического алгоритма?
- 21. Расчет NaiveBayes
- 22. NaiveBayes, J48 и RandomTree в терминах непрофессионала
- 23. Особенности Векторы для построения классификатора для определения субъективности
- 24. Google prediction API - данные обучения для построения классификатора
- 25. Использование семантического представления слов (например, word2vec) для построения классификатора
- 26. Плагин jQuery для построения формул путем перетаскивания
- 27. {SQL PHP} Помощь путем построения запроса
- 28. Ускоренный способ построения матрицы ожидаемых частот из разреженной матрицы отсчетов
- 29. Точность наивного классификатора заливов
- 30. Оценка фундаментальной матрицы или существенной матрицы из соответствия функций