遥感影像分类常用的评价指标--混淆矩阵
| 预测结果 | |||||
| 类别 | 类1 | 类2 | 类3 | ||
| 真实结果 | 类1 | 24 | 2 | 5 | 31 |
| 类2 | 2 | 27 | 0 | 29 | |
| 类3 | 4 | 2 | 30 | 36 | |
| 30 | 31 | 35 | 81 | ||
类1的用户精度=24/30
类1的制图精度=24/31
类1的漏分误差=(31-24)/31
类1的错分误差=(30-24)/30
总体分类精度=(24+27+30)/(30+31+35)
对于一个二类问题而言，混淆矩阵如下：
| 预测结果 | |||
| TRUE | FALSE | ||
| 真实结果 | TURE | TP | FN |
| FALSE | FP | TN | |
TP--真正例；FN--伪反例；FP--伪正例；TN--真反例；
正确率（precision）=TP/(TP+FP)
召回率（recall）=TP/(TP+FN)
还可以采用ROC曲线对分类精度进行描述，ROC曲线下面积即为AUC
True positive rate = TP/(TP+FN)
False positive rate = FP/(FP+TN)
版权声明：本文为harden1013原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。