计算多类系统的准确度和精度
calculating accuracy and precision for multiclass system
我目前正在评估输出二进制结果的词袋纹理分类器：
- 真阳性（TP）
- 真阴性（TN）
- 误报（FP）
- 漏报(FN)
我想计算准确度，但不确定我是否正确分配真底片。
我目前正在处理 8 个 类，每次出现真阳性时分配 7 个真阴性，每次出现假阳性时分配 6 个真阴性和一个假阴性。
我不确定我是否应该只在有真阳性时才给真阴性加一个？
这似乎仍然给出了过高的结果，例如这些结果：
TP: 20
FP: 10
TN: 20
FN: 10
准确度：0.66
当像我最初那样分配真底片时，它甚至更高。当只有一半结果正确时准确率不应该是 50% 还是这正常？
您还认为这是衡量分类器准确性的最佳指标还是有更高级的指标？
谢谢
从我读到的内容来看，我最初使用的方法是正确的，尽管标准精度（整体精度）不一定是评估 classifier 的最佳方法。
精度和召回率被广泛使用，因为它们同时代表类型 1 和类型 2 错误。然而，对于单个组合指标，通常使用 F1Measure F1Score 这是精度和召回率的调和平均值，可以使用以下公式计算：
formula.
其他选项，如 ROC 曲线（从真阳性率 (TPR) 和假阳性率 (FPR) 生成），也被使用，但不一定用于多 class 系统。为了使用这些生成单个指标，采用曲线下面积 (AUC)，这在很大程度上代表了 classifier 的预测能力。然而，这再次没有广泛用于 multiclass 系统。
我目前正在评估输出二进制结果的词袋纹理分类器：
- 真阳性（TP）
- 真阴性（TN）
- 误报（FP）
- 漏报(FN)
我想计算准确度，但不确定我是否正确分配真底片。
我目前正在处理 8 个 类，每次出现真阳性时分配 7 个真阴性，每次出现假阳性时分配 6 个真阴性和一个假阴性。
我不确定我是否应该只在有真阳性时才给真阴性加一个？ 这似乎仍然给出了过高的结果，例如这些结果：
TP: 20
FP: 10
TN: 20
FN: 10
准确度：0.66
当像我最初那样分配真底片时，它甚至更高。当只有一半结果正确时准确率不应该是 50% 还是这正常？
您还认为这是衡量分类器准确性的最佳指标还是有更高级的指标？
谢谢
从我读到的内容来看，我最初使用的方法是正确的，尽管标准精度（整体精度）不一定是评估 classifier 的最佳方法。
精度和召回率被广泛使用，因为它们同时代表类型 1 和类型 2 错误。然而，对于单个组合指标，通常使用 F1Measure F1Score 这是精度和召回率的调和平均值，可以使用以下公式计算： formula.
其他选项，如 ROC 曲线（从真阳性率 (TPR) 和假阳性率 (FPR) 生成），也被使用，但不一定用于多 class 系统。为了使用这些生成单个指标，采用曲线下面积 (AUC)，这在很大程度上代表了 classifier 的预测能力。然而，这再次没有广泛用于 multiclass 系统。