基本内容
準确率、精确率(查準率)、召回率(查全率)、F1值、ROC曲線的AUC值,都可以作為評價一個機器學習模型好壞的指标(evaluation metrics),而這些評價指标直接或間接都與混淆矩陣有關,前四者可以從混淆矩陣中直接計算得到,AUC值則要通過ROC曲線進行計算,而ROC曲線的橫縱坐标又和混淆矩陣聯系密切。
在圖像精度評價中,主要用于比較分類結果和地表真實信息,可以把分類結果的精度顯示在一個混淆矩陣裡面。混淆矩陣是通過将每個地表真實像元的位置和分類與分類圖象中的相應位置和分類像比較計算的。混淆矩陣的每一列代表了地面參考驗證信息,每一列中的數值等于地表真實像元在分類圖象中對應于相應類别的數量;混淆矩陣的每一行代表了遙感數據的分類信息,每一行中的數值等于遙感分類像元在地表真實像元相應類别中的數量。