混淆矩阵和列联表有啥区别？

Posted 2023-02-16

【中文标题】混淆矩阵和列联表有啥区别？

【英文标题】：What is the difference between a Confusion Matrix and Contingency Table?混淆矩阵和列联表有什么区别？

【发布时间】：2011-11-28 14:30:16

【问题描述】：

我正在编写一段代码来评估我的聚类算法，我发现每种评估方法都需要来自m*n 矩阵的基本数据，例如A = aij 其中aij 是数据点的数量是类 ci 的成员和集群 kj 的元素。

但是在Introduction to Data Mining（Pang-Ning Tan et al.）中似乎有两种这种类型的矩阵，一种是混淆矩阵，另一种是列联表。我不完全理解两者之间的区别。哪个最能描述我想使用的矩阵？

【问题讨论】：

顺便说一句：我从不同的上下文中知道（在许多设置中，包括您在任何地方遇到的流行数据集）点的几何配置及其类并不相关好吧。我不确定这是否为您提供了衡量聚类质量的好工具，除非您当然做出/可以做出类和点位置相关性良好的假设。

我很确定根本没有区别。混淆矩阵只是您的预测和真实标签的列联表。

【参考方案1】：

简而言之，列联表是用来描述数据的。正如其他人指出的那样，混淆矩阵在比较两个假设时经常使用。可以将预测与实际分类/分类视为两个假设，其中基本事实为空，模型输出为备选。

【参考方案2】：

Wikipedia's definition:

在人工智能领域，混淆矩阵是 通常用于监督学习的可视化工具（在 无监督学习通常称为匹配矩阵）。每个 矩阵的列表示预测类中的实例， 而每一行代表一个实际类中的实例。

混淆矩阵应该很清楚，它基本上告诉了有多少实际结果与预测结果相匹配。例如，看这个混淆矩阵

                 predicted class
                        c1  -  c2
  Actual class   c1     15  -   3
                ___________________
                 c2     0   -   2

它告诉我们：

Column1, row 1 表示分类器已经预测了15个项目属于c1类，实际上有15个项目属于c1类（这是一个正确的预测）

第二列第1行告诉分类器已经预测了3个项目属于c2类，但它们实际上属于c1类（这是一个错误的预测）

第 1 列第 2 行表示实际属于 c2 类的所有项目都没有被预测为属于 c1 类（这是错误的预测）

第 2 列第 2 行告诉我们已经预测属于 c2 类的 2 个项目属于 c2 类（这是一个正确的预测）

现在从你的书（第 4 章，4.2）中看到准确率和错误率的公式，你应该能够清楚地理解什么是混淆矩阵。它用于使用具有已知结果的数据来测试分类器的准确性。 K-Fold 方法（书中也提到）是计算分类器准确率的方法之一，您的书中也提到过。

现在，对于列联表： Wikipedia's definition:

在统计中，列联表（也称为交叉表） 制表或交叉表）是一种矩阵格式的表格， 显示变量的（多变量）频率分布。 常用于记录和分析两个或 更多分类变量。

在数据挖掘中，列联表用于显示哪些项目一起出现在阅读中，例如在交易中或在销售分析的购物车中。例如（这是你提到的书中的例子）：

       Coffee  !coffee
tea    150       50      200
!tea   650       150     800
       800       200    1000   

它表明在 1000 条回复中（关于他们喜欢咖啡和茶还是两者或其中之一的回复，调查结果）：

150 人同时喜欢茶和咖啡 50 人喜欢茶但不喜欢咖啡 650 人不爱喝茶爱喝咖啡 150 人既不喜欢茶也不喜欢咖啡

列联表用于查找关联规则的支持度和置信度，主要用于评估关联规则（请阅读第 6 章，6.7.1）。

现在不同的是，混淆矩阵用于评估分类器的性能，它告诉分类器在对分类进行预测时有多准确，而列联表用于评估关联规则。

现在在阅读完答案后，google了一下（在阅读书籍时始终使用google），阅读书中的内容，查看一些示例，并且不要忘记解决书中给出的一些练习，并且你应该对它们都有一个清晰的概念，以及在特定情况下使用什么以及为什么使用。

希望这会有所帮助。