如何利用混淆矩阵计算精确率、召回率及读取相关指标与坐标轴含义

1. 从混淆矩阵中获取tp、fp、fn、tn的方法 #

这四个核心指标的定义和对应矩阵位置如下：

• TP（真阳性）：真实是正例，预测也判为正例的样本数，对应矩阵里「真实正类行 × 预测正类列」的单元格数值。
• FP（假阳性）：真实是负例，却被误判为正例的样本数，对应「真实负类行 × 预测正类列」的单元格数值。
• FN（假阴性）：真实是正例，却被误判为负例的样本数，对应「真实正类行 × 预测负类列」的单元格数值。
• TN（真阴性）：真实是负例，预测也判为负例的样本数，对应「真实负类行 × 预测负类列」的单元格数值。

2. 混淆矩阵的轴对应关系 #

行业里主流的标注逻辑是：

• 纵轴（Y轴）代表真实类别：每一行对应一个真实存在的类别
• 横轴（X轴）代表预测类别：每一列对应模型输出的预测类别
  注：少数场景会反过来标注，所以优先看矩阵自带的文字说明最靠谱

3. 背景fp和背景fn的含义 #

这俩术语常见于图像检测、语义分割这类有“背景”概念的任务中：

• 背景FP：模型把原本没有目标的背景区域，错误识别成了目标（正例），属于假阳性的特殊情况。
• 背景FN：模型漏检了存在目标的区域，反而把该区域判定成了背景（负例），属于假阴性的特殊情况。

4. 从混淆矩阵图片读取指标的步骤 #

如果是标准的「Y轴真实、X轴预测」矩阵，按以下步骤来：

1. 先看矩阵的类别标签：找到Y轴的“正类/目标类”“负类/背景”，以及X轴对应的标签。
2. TP：找Y轴正类行和X轴正类列的交叉单元格数值。
3. FP：找Y轴负类行和X轴正类列的交叉单元格数值。
4. FN：找Y轴正类行和X轴负类列的交叉单元格数值。
5. TN：找Y轴负类行和X轴负类列的交叉单元格数值。
   要是遇到多类混淆矩阵，针对某一类计算时，把该类当作“正类”，剩下所有类别合并成“负类”，再按上面的逻辑提取数值就行。

内容的提问来源于stack exchange，提问作者Ajay Kumar