Matrix 贝叶斯网络的混淆矩阵

我试图理解贝叶斯网络。我有一个有10个属性的数据文件，我想获取这个数据表的混淆表，我想我需要计算所有字段的tp，fp，fn，tn。这是真的吗？如果这是我需要为贝叶斯网络做的

---

真的需要一些指导，我迷路了

用于评估分类器的性能，任何分类器

过程通常如下：

• 您有一些已标记的数据实例 你想用它来训练一个 分类器，使其能够进行预测 新的未标记实例的类
• 使用分类器 选择（神经网络，贝叶斯 net、SVM等）我们构建了一个 使用您的培训数据进行建模 作为输入
• 在这一点上，您通常会 评估系统的性能 在部署之前对其进行建模。所以使用 以前未使用的数据子集 （测试集），我们比较了模型 这些实例的分类 与实际班级的情况相反。A. 总结这些结果的好方法 是由一个混乱矩阵显示的 每一类实例是如何 预测

---

对于二进制分类任务，约定是将一个类指定为正，另一个类指定为负。因此，根据混淆矩阵，正确分类为阳性的阳性实例的百分比称为真阳性（TP）率。其他定义遵循相同的约定…

您要问的是一个包含两个以上类的混淆矩阵。 以下是您的操作步骤：

• 为每个类构建一个分类器，其中训练集包括 类中的文档集（正片标签）及其 补语（否定标签）
• 给出测试文档，分别应用每个分类器
• 将文档分配给得分最高的类 最大置信值，或最大概率

以下是本文的参考资料，您可以获得更多信息：

Picca, Davide, Benoît Curdy, and François Bavaud.2006.Non-linear correspondence analysis in text retrieval: A kernel view. In Proc. JADT.

---

我很难理解这个问题。您的贝叶斯网络执行什么任务？这是分类吗？如果是这样，分类是什么，它是数据文件中的属性之一吗？更多的信息将使这个问题更容易回答。