混淆矩阵
组件介绍
**“混淆矩阵”（Confusion Matrix）**控件显示预测类和实际类之间的比例。
混淆矩阵是一种特殊的, 具有两个维度的（实际和预测）列联表（英语：contingency table），并且两维度中都有着一样的类别的集合。从混淆矩阵可得出预测类和实际类之间实例的数量或比例。通过这种方式可以得到哪些实例被错误分类以及被分成了哪一类。矩阵的每一列代表一个类的实例预测，而每一行表示一个实际的类的实例。
- 输入：
- evr：分类器对数据的测试结果
- 输出：
- 无
页面介绍
点击**“混淆矩阵”（Confusion Matrix）**控件查看参数配置页面，如下图所示：
点击**“查看结果”**按钮，查看曲线：
参数选项
| 选项 | 说明 | 样例值 | |
|---|---|---|---|
| 分类器 | 要评估的数据挖掘模型，当选择后会绘制该模型的混淆矩阵 | 要评估的数据挖掘模型 | |
| 显示 | 选择在矩阵中显 示的数据： | 实例个数 | 实例个数 |
使用案例
在下图所示的案例中，使用**“加载文件”（File）控件加载数据，使用“K近邻”（KNN）、“决策树”（Tree）、“逻辑回归”（Logistic Regression）等模型在“评分和测试”（Test & Score）控件中进行测试和评估，最后将评估结果在“混淆矩阵”（Confusion Matrix）**控件中进行展示。
案例中加载 titanic 数据集，针对**“K近邻”（KNN）、“决策树”（Tree）、“逻辑回归”（Logistic Regression）算法进行测试和评估，“评分和测试”（Test & Score）显示每个分类器的评估结果。然后根据“评分和测试”（Test & Score）的结果绘制混淆矩阵，以进一步交叉验证算法的预测结果。“混淆矩阵”（Confusion Matrix）**可以查看有多少实例被错误分类以及错误的类型，案例中控件的配置以及执行结果如下图所示。
