मल्टीकल क्लासिफायर के लिए एक उलझन मैट्रिक्स कैसे बनाएं?

Question

मुझे 6 वर्गों के साथ एक समस्या है। इसलिए मैं एक मल्टीस्केलर क्लासिफायर का निर्माण करता हूं, जो निम्नानुसार है: प्रत्येक वर्ग के लिए, मेरे पास एक लॉजिस्टिक रिग्रेशन क्लासिफायरियर है, जो वन बनाम ऑल का उपयोग करता है, जिसका अर्थ है कि मेरे पास 6 अलग-अलग क्लासिफायरियर हैं।

मैं अपने हर एक क्लासिफायर के लिए एक उलझन मैट्रिक्स की रिपोर्ट कर सकता हूं। लेकिन, मैं सभी क्लासिफायर के लिए एक भ्रम मैट्रिक्स की रिपोर्ट करना चाहूंगा , जैसा कि मैंने यहां बहुत सारे उदाहरणों में देखा है।

मैं यह कैसे कर सकता हूं? क्या मुझे एक बनाम सभी के बजाय एक बनाम एक एल्गोरिथ्म का उपयोग करके अपनी वर्गीकरण रणनीति को बदलना होगा? क्योंकि इन भ्रमों के बारे में, रिपोर्ट में कहा गया है कि प्रत्येक वर्ग के लिए झूठी सकारात्मक बातें हैं।

एक बहुरंगी भ्रम मैट्रिक्स का उदाहरण

मैं मिसकॉलिफाइड आइटमों की संख्या का पता लगाना चाहूंगा। पहली पंक्ति में, कक्षा 1 के 137 उदाहरण हैं जिन्हें कक्षा 1 के रूप में वर्गीकृत किया गया है, और कक्षा 1 के 13 उदाहरणों को कक्षा 2 के रूप में वर्गीकृत किया गया है । यह नंबर कैसे प्राप्त करें?

Comments

मिसकॉलिफ़ाइड आइटम की संख्या मैट्रिक्स के ट्रेस माइनस में सभी तत्वों का योग है ... लेकिन मुझे नहीं लगता कि यह आपका मतलब है।

यंत्रवत्, आप पहले अपने वास्तविक वर्ग (जैसे, लक्ष्य = 1, लक्ष्य = 2 आदि) द्वारा अपने परीक्षण सेट को अलग करके इस मैट्रिक्स को प्राप्त करते हैं, फिर प्रत्येक समूह में प्रत्येक बिंदु पर अपने प्रशिक्षित क्लासिफायर लागू करते हैं। इसलिए, टारगेट = 1 के लिए, आप मैट्रिक्स की शीर्ष पंक्ति में भर रहे होंगे, इस आधार पर कि इस समूह के कितने सदस्यों को प्रत्येक वर्ग को सौंपा गया था।

यह ठीक उसी तरह है जैसे इसे किया जाना चाहिए .... इसलिए जैसा कि आपने कहा था। धन्यवाद!

— विक्टर लील

कोई दिक्कत नहीं है। मैंने अपनी पोस्ट में इसका औपचारिक रूप से उल्लेख किया है, लेकिन कभी-कभी यह वास्तविक नुस्खा देखने में मदद करता है।

Answer 1

संभवतः, आप इन क्लासिफायर का उपयोग किसी दिए गए फीचर मानों के सेट के लिए एक विशेष वर्ग को चुनने में मदद करने के लिए कर रहे हैं (जैसा कि आपने कहा कि आप एक मल्टीस्कूलर क्लासिफायरियर बना रहे हैं)।

तो, चलिए आपको बताते हैं $N$ कक्षाएं, फिर आपका भ्रम मैट्रिक्स एक होगा $N\times N$मैट्रिक्स, वास्तविक कक्षा (जैसा कि परीक्षण सेट में जाना जाता है) और शीर्ष अक्ष, जो उस सच्चे वर्ग के साथ किसी आइटम को सौंपा गया वर्ग दिखा रहा है। प्रत्येक तत्व$i,j$ मैट्रिक्स सच्चे वर्ग वाली वस्तुओं की संख्या होगी $i$ जो कक्षा में होने के रूप में वर्गीकृत किए गए थे $j$।

यह केवल 2-वर्ग भ्रम मैट्रिक्स का एक सीधा विस्तार है।

Comments

हाँ! मुझे उसके बारे में पता है! लेकिन, झूठ को सकारात्मक कैसे कहें? मेरा मतलब है, ऐसे उदाहरण हैं जहां मिसकॉलिफाइड किए गए आइटमों की संख्या दर्शाई गई है .... और मेरे क्लासिफायरर्स कहते हैं "अरे, क्लास ए के 60 आइटम हैं, और 40 अन्य क्लास के हैं (मैं सिर्फ यह नहीं कह सकता कि यह कौन सा है है ...) "

— विक्टर लील

@VictorLeal मैं अनुसरण नहीं करता, एक भ्रम मैट्रिक्स आपको झूठी सकारात्मक, सच्ची सकारात्मक, सच्ची नकारात्मक, झूठी नकारात्मक बताएगा..जो गायब है?

@VictorLeal यहाँ देखें: en.wikipedia.org/wiki/Confusion_matrix

मुझे जानकारी है कि हमारे पास एक भ्रम मैट्रिक्स है। हो सकता है कि कोई छवि मेरे बारे में जो बात कर रही है उसका बेहतर प्रतिनिधित्व कर सके: कन्फ्यूजन मैट्रिक्स मल्टीस्केल्स

— विक्टर लील

@VictorLeal यह मेरे लिए एक सामान्य भ्रम मैट्रिक्स की तरह दिखता है ... LHS वास्तविक वर्ग को दिखाता है कि शीर्ष वर्ग असाइन किए गए शो को दिखाता है ... क्या मुझे कुछ याद आ रहा है? साथ ही, आपको इस चित्र को अपनी पोस्ट में जोड़ना चाहिए..यह मददगार होगा

Answer 2

हालांकि इस मंच पर पहले से ही कुछ जवाब हैं, मैंने सोचा कि मैं इसे और अधिक निश्चित करने के लिए स्पष्ट समीकरण दूंगा:

मान लें कि आपके पास फ़ॉर्म का एक बहु-श्रेणी भ्रम मैट्रिक्स है,

$$\begin{align} C=\text{Actual}\begin{matrix} & \text{Classifed} & \\ c_{11} & ... & c_{1n}\\ \vdots & \ddots & \\ c_{n1} & & c_{nn} \end{matrix} \end{align}$$

प्रत्येक वर्ग के लिए भ्रम के तत्व निम्न द्वारा दिए गए हैं:

$tp_i = c_{ii}$

$fp_i = \sum_{l=1}^n c_{li} - tp_i$

$fn_i = \sum_{l=1}^n c_{il} - tp_i$

$tn_i = \sum_{l=1}^n \sum_{k=1}^n c_{lk} - tp_i - fp_i - fn_i$

Comments

L और L क्या है?

— लड़की ११

इसके अलावा, सभी वर्गों के लिए एक साथ tp, tn, fp, fn क्या है

— girl101

tp = true positive, fp = false धनात्मक, fn = false ऋणात्मक, tn = true ऋणात्मक। मुझे लगता है कि सूचकांक मैं प्रत्येक वर्ग का संदर्भ है।

— अल्बर्ट

Answer 3

प्रश्न में संलग्न मैट्रिक्स का उपयोग करना और ऊर्ध्वाधर अक्ष में मानों को वास्तविक वर्ग के रूप में मानना, और क्षैतिज अक्ष में मूल्यों का पूर्वानुमान। फिर कक्षा 1 के लिए:

• सच्चा सकारात्मक = 137-> कक्षा 1 के नमूने, वर्ग 1 के रूप में वर्गीकृत
• झूठी सकारात्मक = 6-> (1 + 2 + 4) वर्गों 2, 3 और 4 के नमूने, लेकिन कक्षा 1 के रूप में वर्गीकृत
• झूठी नकारात्मक = 18-> (13 + 3 + 1 + 1) कक्षा 1 के नमूने, लेकिन कक्षा 2, 3, 6 और 7 के रूप में वर्गीकृत
• ट्यूर नेगेटिव = 581-> (५५ + १ + ६ ... + २ + २६) मैट्रिक्स के सभी मानों का जोड़ कॉलम १ और पंक्ति १ को छोड़कर