解释混淆矩阵

Question

我需要创建一个分类模型来预测某个事件的级别-1、2或3。到目前为止，我尝试了两种模型：多类决策树和多类神经网络。以下是每一项的准确度得分和混淆矩阵。在

多类决策树：

总精度0.634 平均精度0.756 微平均精度0.634 宏平均精度0.585184 微平均召回率0.634 宏观平均召回率0.548334

混淆矩阵：

1. 40.3%53.6%6.1%
2. 6.6%76.6%16.8%
3. 0.6%51.8%47.6%

多类神经网络： 总精度0.5865 平均精度0.724333 微平均精度0.5865 宏平均精度0.583795 微平均召回率0.5865 宏平均召回0.460215

混淆矩阵：

1. 34.8%63.5%1.7%
2. 2.9%89.3%7.7%

3. 0.1%85.9%13.9%

   我认为这意味着在Class2上，这两个模型做得很好，尤其是神经网络模型。在其他类中，决策树模型做得更好，但仍然低于50%。

基于这些指标，我应该如何改进结果？谢谢。在

Answer 1

删除id特性，同时检查并删除任何您认为对预测没有任何价值的特性（任何其他特性，如id）或具有唯一值的特性。还要检查是否存在类不平衡（每个类有多少个样本存在于数据中，类之间是否有适当的平衡？）。然后尝试应用模型并调整参数以获得更好的结果。为了获得更好的结果，可以使用交叉验证。在