混淆矩阵
混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目，以下表为例。
| 预测 |
|||||
| 类1 |
类2 |
类3 |
总和 |
||
| 真实 |
类1 |
43 |
5 |
2 |
50 |
| 类2 |
4 |
45 |
1 |
50 |
|
| 类3 |
0 |
1 |
49 |
50 |
|
| 总和 |
47 |
51 |
52 |
150 |
|
precision:
类1：43/47=0.9148
类2：45/51=0.8823
类3：49/52=0.9423
mean-precision=0.9131
recall:
类1：43/50=0.86
类2：45/50=0.9
类3：49/50=0.98
mean-recall=0.9133
iou:
类1：43/(43+7+4)=0.7962
类2：45/(45+5+6)=0.8035
类3：49/(49+3+1)=0.9245
mean-iou(Miou)=0.8414
Miou:
( iou(类1)+iou(类1)+iou(类1))/3=0.8414
FWiou（频权交并比）：
w1*iou(类1)+w2*iou(类2)+w3*iou(类3)
=(47/150)*0.7962+(51/150)*0.8035+(52/150)*0.9245
=0.8432
pixel acc(PA):
PA=(43+45+49)/150=0.8832
MPA:
MPA=(43/50+45/50+49/50)/3=0.9133
F1-score:
F1-score=2*precision*recall/(precision+recall)=0.9506
Kappa:
po=PA=(43+45+49)/150=0.8832
pe=(47*50+51*50+52*50)/150*150=0.3333
kappa = (po-pe)/(1-pe)=0.8248
producter acc(PA):
PA=precision=0.9131
Overall Acc(OA):
OA=po=0.8832
user acc(UA):
UA=recall=0.9133
Heddlen acc(HA):
HA = F1-score=0.9506
Short acc(SA):
SA=PA*UA / (PA+UA-PA*UA)=0.8402
错分误差：
错分误差=1-用户精度=0.0867
漏分误差：
漏分误差=1-制图精度=0.0869