混淆矩阵和列联表有什么区别？

Question

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 是类 ci 成员和簇 kj 元素的数据点数量。

但在数据挖掘导论（Pang-Ning Tan等人）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。哪个最能描述我想要使用的矩阵？

Answer 1

维基百科的定义：

在人工智能领域，混淆矩阵是一个
可视化工具通常用于监督学习（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，参见这个混淆矩阵，

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

它告诉我们：

1. Column1，row 1 表示分类器预测 15 个项目属于类 c1，而实际上 15 个项目属于类 c1 （这是正确的预测）

2. 第二列第 1 行告诉分类器预测有 3 个项目属于类 c2，但它们实际上属于类c1 （这是一个错误的预测）

3. 第 1 列第 2 行意味着实际上属于类 c2 的项目都没有被预测为属于类 c1（这是一个错误的预测） )

4. 第 2 列第 2 行表示 2 个项目属于类 c2 的内容已被预测为属于类 c2（这是正确的预测）

现在请参阅您书中的准确率和错误率公式（第 4 章，4.2），以及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（书中也提到过）是计算分类器准确性的方法之一，您的书中也提到过。

现在，对于列联表：
维基百科的定义：

在统计学中，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两个事物之间的关系
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（这是您提到的书中的示例）：

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

它表明在 1000 个回复中（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）：

1. 150 人既喜欢茶又喜欢咖啡
2. 50 人喜欢茶但不喜欢咖啡
3. 650 人不喜欢茶但喜欢咖啡
4. 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，基本上是为了评估关联规则（请阅读第 6 章 6.7.1）。

现在的区别在于，混淆矩阵用于评估分类器的性能，它告诉分类器对分类进行预测的准确性，而列联表用于评估关联规则。

现在，读完答案后，谷歌一下（在阅读书本时始终使用谷歌），阅读书中的内容，看一些示例，并且不要忘记解决书中给出的一些练习，然后您应该对它们有一个清晰的概念，以及在特定情况下使用什么以及为什么使用。

希望这有帮助。

Answer 2

简而言之，列联表就是用来描述数据的。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。人们可以将预测与实际分类/分类视为两个假设，基本事实为空，模型输出为替代。