让我们考虑MNIST数据分类（10个类）的情况，对于10,000个样本的测试集，我们得到以下混淆矩阵cm（Numpy数组）：
array([[ 963, 0, 0, 1, 0, 2, 11, 1, 2, 0],
[ 0, 1119, 3, 2, 1, 0, 4, 1, 4, 1],
[ 12, 3, 972, 9, 6, 0, 6, 9, 13, 2],
[ 0, 0, 8, 975, 0, 2, 2, 10, 10, 3],
[ 0, 2, 3, 0, 953, 0, 11, 2, 3, 8],
[ 8, 1, 0, 21, 2, 818, 17, 2, 15, 8],
[ 9, 3, 1, 1, 4, 2, 938, 0, 0, 0],
[ 2, 7, 19, 2, 2, 0, 0, 975, 2, 19],
[ 8, 5, 4, 8, 6, 4, 14, 11, 906, 8],
[ 11, 7, 1, 12, 16, 1, 1, 6, 5, 949]])
为了获得精度和召回率（ 每类 ），我们需要计算 每类 的TP，FP和FN。我们不需要TN，但是我们也会对其进行计算，因为它将有助于我们进行健全性检查。
真实肯定只是对角线元素：
# numpy should have already been imported as np
TP = np.diag(cm)
TP
# array([ 963, 1119, 972, 975, 953, 818, 938, 975, 906, 949])
误报是各列的总和减去对角线元素（即TP元素）：
FP = np.sum(cm, axis=0) - TP
FP
# array([50, 28, 39, 56, 37, 11, 66, 42, 54, 49])
同样，False Negatives是相应行的总和，减去对角线（即TP）元素：
FN = np.sum(cm, axis=1) - TP
FN
# array([17, 16, 60, 35, 29, 74, 20, 53, 68, 60])
现在，“真否定论”有些棘手。让我们首先考虑一个真正的否定词，相对于class0来说是什么意思：它表示所有被正确识别为 _not0_的样本。因此，本质上我们应该做的是从混淆矩阵中删除相应的行和列，然后对所有其余元素求和：
num_classes = 10
TN = []
for i in range(num_classes):
temp = np.delete(cm, i, 0) # delete ith row
temp = np.delete(temp, i, 1) # delete ith column
TN.append(sum(sum(temp)))
TN
# [8970, 8837, 8929, 8934, 8981, 9097, 8976, 8930, 8972, 8942]
让我们进行完整性检查：对于 每个类 ，TP，FP，FN和TN的总和必须等于测试集的大小（此处为10,000）：让我们确认确实如此：
l = 10000
for i in range(num_classes):
print(TP[i] + FP[i] + FN[i] + TN[i] == l)
结果是
True
True
True
True
True
True
True
True
True
True
计算了这些数量之后，现在可以很容易地获得每类的精度和召回率：
precision = TP/(TP+FP)
recall = TP/(TP+FN)
在这个例子中是
precision
# array([ 0.95064166, 0.97558849, 0.96142433, 0.9456838 , 0.96262626,
# 0.986731 , 0.93426295, 0.95870206, 0.94375 , 0.9509018])
recall
# array([ 0.98265306, 0.98590308, 0.94186047, 0.96534653, 0.97046843,
# 0.91704036, 0.97912317, 0.94844358, 0.9301848 , 0.94053518])
同样，我们可以计算相关的数量，例如特异性（记得灵敏度与召回是同一回事）：
specificity = TN/(TN+FP)
本示例的结果：
specificity
# array([0.99445676, 0.99684151, 0.9956512 , 0.99377086, 0.99589709,
# 0.99879227, 0.99270073, 0.99531877, 0.99401728, 0.99455011])
现在，您应该实际上可以为任何大小的混淆矩阵计算这些数量。
602392714
清零编程群