我知道什么是混淆矩阵。
给定N个类,我们有一个NxN的矩阵M,其中 - 每一行代表一个类 - 每一列代表一个类
M(X,Y)=在类别X中被分类且应该被分类到类别Y中的元素数量(当然,如果X = Y,则分类是正确的)。
现在我有一组“复合类”和一个可变数量的类
- 用“复合”来表示一个类对应一个向量(长度可变)。 例如,如果该类由2个元素的向量表示,则可能的类如下: [0,0] [0,1] [1,0] [1,1]
我的目标是定义一个带有以下内容的函数:
- 输入:一个已分类元素的NxM矩阵(其中N = 分类元素的数量,M = 每个类的元素数量),每个元素的期望类别的NxM矩阵。 - 输出:与输入类相应的NXN混淆矩阵。
输出示例:
我该怎么做?(分类是通过感知器或Adaline神经网络实现的)
提前感谢您的任何提示!
给定N个类,我们有一个NxN的矩阵M,其中 - 每一行代表一个类 - 每一列代表一个类
M(X,Y)=在类别X中被分类且应该被分类到类别Y中的元素数量(当然,如果X = Y,则分类是正确的)。
现在我有一组“复合类”和一个可变数量的类
- 用“复合”来表示一个类对应一个向量(长度可变)。 例如,如果该类由2个元素的向量表示,则可能的类如下: [0,0] [0,1] [1,0] [1,1]
我的目标是定义一个带有以下内容的函数:
- 输入:一个已分类元素的NxM矩阵(其中N = 分类元素的数量,M = 每个类的元素数量),每个元素的期望类别的NxM矩阵。 - 输出:与输入类相应的NXN混淆矩阵。
输出示例:
[1 0 0]
[0 2 0]
[0 1 0]
这个矩阵是3x3的矩阵。
这意味着总类别数为3,分类元素数量为4:
- 一个元素应该被归类到类别1中,并且已经被归类到类别1中
- 两个元素应该被归类到类别2中,并且已经被归类到类别2中
- 一个元素应该被归类到类别3中,并且已经被归类到类别2中
(元素的组成方式并不重要。让我们想象一下这些类别可能是什么:
[0,0,1]
[1,0,1]
[1,1,1]
** 输入矩阵的示例(期望的类别):**
[0,0,1]
[1,0,1]
[1,0,1]
[1,1,1]
** 输入矩阵的示例(获得的类):**
[0,0,1]
[1,0,1]
[1,0,1]
[1,0,1] <-- this is the element(line) incorrectly classified
我该怎么做?(分类是通过感知器或Adaline神经网络实现的)
提前感谢您的任何提示!