亚洲货币多分类混淆矩阵解读及TP/TN/FP/FN识别求助

我拥有一张针对亚洲货币的Multiclass Confusion Matrix（多分类混淆矩阵），这是我首次接触此类矩阵，难以对其进行解读，也无法准确识别其中的TP（真阳性）、TN（真阴性）、FP（假阳性）、FN（假阴性）。
我认为该矩阵可能缺失部分数值，因为它主要仅包含对角值和非对角值。

一、多分类混淆矩阵的结构说明 #

多分类混淆矩阵本身就是由对角值和非对角值构成，不存在数值缺失：

• 对角值：模型正确分类的样本数，是对应类别的真阳性（TP）。比如某行某列的对角值对应“人民币”，这个数就是被准确识别为人民币的样本总量。
• 非对角值：模型分类错误的样本数。第i行第j列（i≠j）的数值，代表真实类别为i，却被误判为j的样本数量。

二、多分类场景下TP、TN、FP、FN的定义 #

这些指标需要针对单个类别单独计算，把目标类别当作“正类”，其余所有类别合并为“负类”：

• TP（真阳性）：真实为目标类别，模型也判定为该类别的样本数（即目标类别对应的对角值）。
• FN（假阴性）：真实为目标类别，但模型判定为其他类别的样本数（目标类别所在行的所有非对角值之和）。
• FP（假阳性）：真实不是目标类别，但模型判定为该类别的样本数（目标类别所在列的所有非对角值之和）。
• TN（真阴性）：真实不是目标类别，模型也判定为其他类别的样本数（矩阵所有数值总和减去TP、FN、FP的总和）。

三、实操示例（以3分类货币为例） #

假设矩阵为人民币、日元、韩元三类：

• 针对「人民币」类别：
  • TP=80，FN=5+3=8，FP=2+1=3，TN=90+1+4+75=170
• 针对「日元」类别：
  • TP=90，FN=2+1=3，FP=5+4=9，TN=80+3+1+75=159

内容的提问来源于stack exchange，提问作者rebekah tanag