如何计算始终预测ŷ=-1的朴素分类器的confusion matrix准确率？

核心逻辑 #

始终预测ŷ=-1的朴素分类器，其准确率等于测试集中真实标签为-1的样本总数除以总样本数——因为只有当样本真实标签是-1时，预测才正确；真实标签为+1时，预测全错。

计算公式 #

对应混淆矩阵的计算方式：

naive_accuracy = (TN + FP) / n

或者等价于：

naive_accuracy = (n - (TP + FN)) / n

其中：

• TN：真实标签为-1且预测为-1的样本数
• FP：真实标签为-1但预测为+1的样本数
• TP：真实标签为+1且预测为+1的样本数
• FN：真实标签为+1但预测为-1的样本数
• n：测试集总样本数

结合你的数据计算 #

已知总样本数n=127933，你之前计算的分类器准确率为(109112+3805)/127933，其中109112=TN，3805=TP。要算出朴素准确率，你需要从混淆矩阵中获取真实-1的总样本数（即TN + FP），或是真实+1的总样本数（即TP + FN），代入上述公式即可。

比如若混淆矩阵中真实-1的总样本数为X，则：

naive_accuracy = X / 127933

内容的提问来源于stack exchange，提问作者filmol