图像分类中混淆矩阵精度验证法中的几个指标说明
来源:互联网 发布:土建预算软件有哪些 编辑:程序博客网 时间:2024/04/29 15:56
From:http://blog.sina.com.cn/s/blog_764b1e9d0100rlnh.html
选择主菜单->Classification->PostClassification->ConfusionMatrix->Using Ground Truth ROIs,可以得到如下的分类精度验证的混淆矩阵。
要看懂这个精度验证结果,需要了解几个混淆矩阵中的几项评价指标:
总体分类精度(Overall Accuracy)
等于被正确分类的像元总和除以总像元数。被正确分类的像元数目沿着混淆矩阵的对角线分布,总像元数等于所有真实参考源的像元总数,如本次精度分类精度表中的Overall Accuracy = (110230/125843)87.5933%。
Kappa系数(Kappa Coefficient)
它是通过把所有真实参考的像元总数(N)乘以混淆矩阵对角线(XKK)的和,再减去某一类中真实参考像元数与该类中被分类像元总数之积之后,再除以像元总数的平方减去某一类中真实参考像元总数与该类中被分类像元总数之积对所有类别求和的结果。
错分误差(Commission)
指被分为用户感兴趣的类,而实际属于另一类的像元,它显示在混淆矩阵里面。本例中,总共划分为林地有19210个像元,其中正确分类16825,2385个是其他类别错分为林地(混淆矩阵中林地一行其他类的总和),那么其错分误差为2385/19210= 12.42%。
- 漏分误差(Omission)
指本身属于地表真实分类,当没有被分类器分到相应类别中的像元数。如在本例中的林地类,有真实参考像元16885个,其中16825个正确分类,其余60个被错分为其余类(混淆矩阵中耕地类中一列里其他类的总和),漏分误差60/16885=0.36%
制图精度(Prod.Acc)
是指分类器将整个影像的像元正确分为A类的像元数(对角线值)与A类真实参考总数(混淆矩阵中A类列的总和)的比率。如本例中林地有16885个真实参考像元,其中16825个正确分类,因此林地的制图精度是16825/16885=99.64%。
- 用户精度(User.Acc)
是指正确分到A类的像元总数(对角线值)与分类器将整个影像的像元分为A类的像元总数(混淆矩阵中A类行的总和)比率。如本例中林地有16825个正确分类,总共划分为林地的有19210,所以林地的用户精度是16825/19210=87.58%。
- 图像分类中混淆矩阵精度验证法中的几个指标说明
- 图像分类中混淆矩阵精度验证法中的几个指标说明
- 影像分类中的混淆矩阵
- 遥感分类精度评价方法--混淆矩阵和kappa系数
- Weka中分类器指标的说明
- 图像分类精度评价
- 图像分类精度评价
- “假作真时真亦假”:分类器设计中几个常见的评价指标
- 分类器指标-准确率,精度,召回率
- 【引用】Weka中分类器指标的说明
- 分类器评价与在R中的实现:混淆矩阵
- 分类器评价与在R中的实现:混淆矩阵
- 基于混淆矩阵的评价指标
- 机器学习模型评价指标 -- 混淆矩阵
- 混淆矩阵(Confusion matrix)及其指标
- AWR中的指标说明
- java计算混淆矩阵(分类指标:查准率P,查全率R,P和R的调和均值F1,正确率A)
- 二分类与混淆矩阵
- 内网作为服务器需要的配置
- java学习记录2
- 硬解和软解的区别
- 字符串hash
- 4.数组和指针
- 图像分类中混淆矩阵精度验证法中的几个指标说明
- C# 创建ini文件
- varchar和char
- Ubuntu10.04下Linux内核编译的完整步骤
- [LeetCode]Same Tree
- HDU 1.3.3第二小整数
- FPGA跨时钟域的处理方法
- WinMain和main
- 2.1: 判断一个正整数是否为质数的算法。