Python: comment normaliser une matrice de confusion?

J'ai calculé une matrice de confusion pour mon classificateur à l'aide de la méthode confusion_matrix() de la sklearn paquet. Les éléments de la diagonale de la matrice de confusion représentent le nombre de points pour lesquels la prédiction de l'étiquette est égale à la vraie étiquette, tandis que les éléments diagonaux sont ceux qui sont mal étiquetés par le classificateur.

Je tiens à normaliser ma confusion de la matrice de sorte qu'il ne contient que des nombres entre 0 et 1. Je voudrais lire le pourcentage de bien classés échantillons de la matrice.

J'ai trouvé plusieurs méthodes comment normaliser une matrice (ligne et colonne de normalisation), mais je ne sais pas beaucoup au sujet de maths et je ne suis pas sûr si c'est la bonne approche. Quelqu'un peut-il aider s'il vous plaît?

Il existe différents types de normalisation pour les matrices (et en fait, aussi pour autre chose), et celles que vous devez utiliser dépend de votre application. Alors peut-être que vous pouvez modifier à votre question de décrire plus en détail: exactement ce que vous voulez atteindre par la normalisation de la matrice? Si la somme de quelque chose de 1, par exemple?
J'ai édité la question pour le rendre un peu plus clair. En gros, j'ai juste envie de transformer le nombre de classés échantillons à des pourcentages de sorte que je peux voir le nombre de classifier correctement les échantillons sur la diagonale de la matrice de l'exemple.

OriginalL'auteur Kaly | 2014-01-04