分类结果图怎么画ppt、excel

准确率类

Accuracy、Precision、Recall、F1-score、Specificity、MCC处理不平衡数据集

  • MCC 对于类别不平衡的情况和样本量较小的情况下更有优势,因为它在评估性能时考虑了所有四个分类结果,减少了结果的随机性。
  • F1 分数在关注模型能够正确识别正例的情况下也保持较好的表现,适用于一些需要平衡精确率和召回率的场景。

excel大法好,看起来不错

分类结果图怎么画ppt、excel_第1张图片

分类结果图怎么画ppt、excel_第2张图片

从别人论文里偷了一张好看的,我在里边没找到锥形,柱形看着也还可以

还有这种平面条形

分类结果图怎么画ppt、excel_第3张图片

雷达图也可以,这种对上边那类不太适应

分类结果图怎么画ppt、excel_第4张图片

对比一下,这个适合单个网络的多维度比较

分类结果图怎么画ppt、excel_第5张图片

ROC类

分类结果图怎么画ppt、excel_第6张图片

混淆矩阵

分类结果图怎么画ppt、excel_第7张图片

这个metrics.ConfusionMatrixDisplay画出来颜色太显眼了,改成这种同类色好看一点

分类结果图怎么画ppt、excel_第8张图片

损失函数的讨论

分类结果图怎么画ppt、excel_第9张图片

t-sNE

这个用python出图

分类结果图怎么画ppt、excel_第10张图片

loss曲线

这个保留 一般cv论文里都默认这个属于没必要放的 太基础了 交叉学科放的多点

预测结果对比、热力图

这个是分类分割论文一定会出现的图,分析一下为什么预测正确,为什么预测错误

分类结果图怎么画ppt、excel_第11张图片

箱线图

属于预测评价指标

MCC、MAE、RMSE、KAPPA

分类结果图怎么画ppt、excel_第12张图片

你可能感兴趣的:(分类,数据挖掘,人工智能)