Statistics 混淆矩阵的信息准则

可以使用来测量统计模型的拟合优度，这说明了拟合优度和用于模型创建的参数数量。AIC涉及计算该模型（L）的似然函数的最大值。

---

给定分类模型的预测结果，如何计算L，表示为混淆矩阵？

不可能从混淆矩阵计算AIC，因为它不包含任何关于可能性的信息。根据您使用的模型，可以计算可能性或准可能性，从而计算AIC或QIC

您正在研究的分类问题是什么？您的模型是什么

在分类上下文中，通常使用其他度量来进行GoF测试。我建议大家通读黑斯蒂、蒂布什拉尼和弗里德曼的《统计学习的要素》，以便更好地了解这种方法

希望这能有所帮助。

科诺涅科和布拉特科正是我想要的：

分类精度通常被用作衡量分类性能的指标。然而，众所周知，这一措施存在若干缺陷。一个公平的评估标准应该排除类别概率的影响，这可能使一个完全不知情的分类器很容易达到较高的分类精度。本文提出了一种评价分类器答案信息得分的方法。它排除了先验概率的影响，处理各种类型的不完美或概率答案，也可用于比较不同领域的性能