我使用scikit-learn中的confusion_matrix()函数计算了我的分类器的混淆矩阵。混淆矩阵的对角线元素表示预测标签等于真实标签的点的数量，而非对角线元素则是被分类器错误标记的点。

我想标准化我的混淆矩阵，使其仅包含0到1之间的数字。我希望从矩阵中读取正确分类的样本百分比。

我找到了几种标准化矩阵的方法（行和列标准化），但我不太懂数学，不确定这是否是正确的方法。

回答：

我假设M[i,j]表示“真实类别为i的元素被分类为j”。如果情况相反，你需要转置我说的所有内容。我还将使用以下矩阵作为具体示例：

1 2 34 5 67 8 9

你可以做的事情基本上分为两类：

了解每个类别是如何被分类的

你可以问的是，真实类别i的元素中有多少百分比被分类为各个类别。为此，我们固定i取一行，并将每一元素除以该行的元素总和。在我们的例子中，类别2的对象被分类为类别1的次数为4次，正确分类为类别2的次数为5次，被分类为类别3的次数为6次。要找到百分比，我们只需将所有数除以总和4 + 5 + 6 = 15

4/15的类别2对象被分类为类别15/15的类别2对象被分类为类别26/15的类别2对象被分类为类别3

了解每个分类结果由哪些类别负责

你可以做的第二件事是查看分类器的每个结果，并询问这些结果中有多少来自每个真实类别。这与前一种情况类似，但使用的是列而不是行。在我们的例子中，当原始类别为1时，分类器返回“1”的次数为1次，当原始类别为2时为4次，当原始类别为3时为7次。要找到百分比，我们除以总和1 + 4 + 7 = 12

1/12被分类为类别1的对象来自类别14/12被分类为类别1的对象来自类别27/12被分类为类别1的对象来自类别3

—

当然，我提供的两种方法一次只适用于单行或单列，我不确定是否应该以这种形式实际修改你的混淆矩阵。然而，这应该能给你提供你所寻找的百分比。