Tensorflow 张量流中的混淆矩阵序

我有6个类，我在Tensorflow中使用tf slim来获得混淆矩阵，如

[[41  2  0  0  0  0]
 [ 1 11  4  1  0  0]
 [ 0  1  12  0  0  0]
 [ 0  0  0 22  1  0]
 [ 0  0  0  0  7  0]
 [ 0  0  0  0  0 20]]

我的问题是上表的混淆矩阵顺序是什么？如果我说列代表预测标签，而行代表真实标签，对吗？另一面写着一些参考资料。

你用了吗

如果是这样，则列表示predicton标签，而行表示实际标签。

您使用了吗

---

如果是这样，则列表示predicton标签，而行表示实际标签。

通常的表示是

    PREDICTED
 [[41  2  0  0  0  0]
T [ 1 11  4  1  0  0]
R [ 0  1  12 0  0  0]
U [ 0  0  0 22  1  0]
E [ 0  0  0  0  7  0]
  [ 0  0  0  0  0 20]]

正如M.Rath（+1）所指出的，这也是Tensorflow所做的。这意味着对于41个样本，您正确预测了类别0。对于2个示例，您预测了类1，但实际上是类0

请注意，您还可以操纵可视化的顺序。所以不是

class 0, class 1, class 2

您可以拥有（预测值和真值）顺序

class 0, class 2, class 1

这包含相同的信息，但可视化可能传达不同的故事。参见我的硕士论文第48页（混淆矩阵排序），特别是图5.12和5.13

---

可以在工具中找到一个实现

通常的表示是

    PREDICTED
 [[41  2  0  0  0  0]
T [ 1 11  4  1  0  0]
R [ 0  1  12 0  0  0]
U [ 0  0  0 22  1  0]
E [ 0  0  0  0  7  0]
  [ 0  0  0  0  0 20]]

正如M.Rath（+1）所指出的，这也是Tensorflow所做的。这意味着对于41个样本，您正确预测了类别0。对于2个示例，您预测了类1，但实际上是类0

请注意，您还可以操纵可视化的顺序。所以不是

class 0, class 1, class 2

您可以拥有（预测值和真值）顺序

class 0, class 2, class 1

这包含相同的信息，但可视化可能传达不同的故事。参见我的硕士论文第48页（混淆矩阵排序），特别是图5.12和5.13

---

可以在工具中找到实现

谢谢。例如类1（从0到n-1的索引）。它正确地预测了11，错误的预测为1+4+1=6。我说的对吗？对于1班，你有11个真阳性，3个假阳性（即你预测的1班不是真的）和6个假阴性（即你没有预测1班，尽管那是正确的）。谢谢。例如类1（从0到n-1的索引）。它正确地预测了11，错误的预测为1+4+1=6。我说的对吗？对于1级，你有11个真阳性，3个假阳性（即你预测的1级不是真的）和6个假阴性（即你没有预测1级，尽管那是正确的）。