混淆矩阵可适用于多分类模型的评价
举一反三
- 中国大学MOOC: 可以通过分类结果叠加、混淆矩阵和ROC曲线对分类结果进行评价。
- 常用于分类精度检验的是（） A: 多数/少数分析 B: 混淆矩阵 C: Kappa系数 D: 协方差矩阵
- 关于模型的评价，以下说法中不正确的是： A: 模型采用什么样的评价指标和具体的模型类型密切相关 B: 对于一个有效的数据科学模型，其评价指标需优于以往实现同类任务的模型所实现的指标 C: 在不了解以往工作的情况下，分类模型优于50%的准确率指标（也就是随机分类准确率）即可 D: 分类模型的性能评价常规采用混淆矩阵
- 遥感图像分类精度评价中的混淆矩阵是根据非位置精度构建的。 A: 正确 B: 错误
- 中国大学MOOC: 遥感图像分类精度评价中的混淆矩阵是根据非位置精度构建的。