From 64bc63369e71e7263cd2da211771a6ab6b0ed9c1 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E9=BB=84=E5=9F=B9=E6=9D=BE?= Date: Fri, 14 Dec 2018 16:00:15 +0800 Subject: [PATCH] =?UTF-8?q?Update=203.=E5=88=86=E7=B1=BB.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit fix typos. 第五航 --> 第五行 --- "docs/3.\345\210\206\347\261\273.md" | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git "a/docs/3.\345\210\206\347\261\273.md" "b/docs/3.\345\210\206\347\261\273.md" index 41cce89..6b917e4 100644 --- "a/docs/3.\345\210\206\347\261\273.md" +++ "b/docs/3.\345\210\206\347\261\273.md" @@ -177,7 +177,7 @@ array([ 0.909 , 0.90715, 0.9128 ]) ### 混淆矩阵 -对分类器来说，一个好得多的性能评估指标是混淆矩阵。大体思路是：输出类别A被分类成类别 B 的次数。举个例子，为了知道分类器将 5 误分为 3 的次数，你需要查看混淆矩阵的第五航第三列。 +对分类器来说，一个好得多的性能评估指标是混淆矩阵。大体思路是：输出类别A被分类成类别 B 的次数。举个例子，为了知道分类器将 5 误分为 3 的次数，你需要查看混淆矩阵的第五行第三列。 为了计算混淆矩阵，首先你需要有一系列的预测值，这样才能将预测值与真实值做比较。你或许想在测试集上做预测。但是我们现在先不碰它。（记住，只有当你处于项目的尾声，当你准备上线一个分类器的时候，你才应该使用测试集）。相反，你应该使用`cross_val_predict()`函数 -- GitLab