混淆矩阵生成器
用实验或科研数据生成 混淆矩阵生成器
根据真实标签与预测标签生成二分类或多分类混淆矩阵，可显示计数、归一化百分比并导出论文级图像。
混淆矩阵生成器 示例
查看 6 组可直接使用的数据与图形风格，覆盖真实科研场景。
混淆矩阵生成器能展示什么？
混淆矩阵生成器（Confusion Matrix Generator）用于对比真实标签与预测标签，从而将模型的具体错误类型可视化，避免其被单一的准确率（Accuracy）指标所掩盖。矩阵的对角线表示预测正确的数量，非对角线单元格则清晰展示了模型将哪些类别进行了混淆。
混淆矩阵生成器的数据格式要求
- 上传行级别的真实标签与预测标签数据，或者直接上传已统计好的类别对类别方阵（Square Table）。
- 行和列必须使用完全一致的类别名称和排列顺序。
- 仅在评估方案有明确要求时才引入样本权重（Sample Weights）。
- 明确说明单元格内展示的是原始频数、行百分比、列百分比还是总样本比例。
混淆矩阵科研应用实例
- 二分类混淆矩阵示例
- 多分类混淆矩阵
- 归一化混淆矩阵
- 混淆矩阵热力图
- 机器学习混淆矩阵
- 带精确率和召回率的混淆矩阵
为什么在模型评估中使用混淆矩阵？
- 精准定位导致假阳性（False Positives）和假阴性（False Negatives）的具体类别。
- 防止高整体准确率掩盖少数类（Minority Class）预测表现极差的问题。
- 方便在原始频数与归一化后的类别级比率之间进行对比切换。
- 基于导出的预测结果，一键生成可重复的、符合论文发表标准的模型评估图表。
如何使用 混淆矩阵生成器
选择示例，或上传一个 CSV、TSV、TXT、XLSX、XLS 文件；检查识别到的列，生成图表，再进入 SciVis 继续编辑。Excel 仅读取第一个工作表。
一张规范的混淆矩阵图应包含哪些要素
- 明确标注“真实值（Actual）”和“预测值（Predicted）”的坐标轴标签。
- 保持行、列类别名称的顺序完全一致。
- 清晰的单元格数值标注，并搭配易读的渐变单色调色盘（Sequential Color Scale）。
- 图表说明中应注明测试集来源、归一化方法以及总样本量。
混淆矩阵还是 ROC 曲线？
当需要在特定决策阈值下详细检查各类别预测的具体去向时，请使用混淆矩阵。若要评估模型在所有可能阈值下的整体性能，请使用 ROC 曲线或 PR 曲线（Precision-Recall Curve）。在数据极度不平衡时，PR 曲线通常比 ROC 曲线更能反映真实性能。
混淆矩阵生成器 常见问题
混淆矩阵生成器需要哪些数据列？
最基础的输入是包含一列真实标签（Actual）和一列预测标签（Predicted）的数据表。您也可以直接上传已经汇总好的频数方阵。
我应该对混淆矩阵进行归一化吗？
使用原始频数可以直观展示样本规模，而使用行归一化百分比则便于对比各类别之间的召回率（Recall）。请在图表中明确注明归一化的方向和分母。
用 混淆矩阵生成器 生成后还能继续编辑吗？
可以。用 混淆矩阵生成器 生成后打开 SciVis，即可修改标签、配色、标注、版式和其他视觉设置。
混淆矩阵生成器 生成的图可以用于论文吗？
可以。混淆矩阵生成器 面向清晰、适合发表的科学图表；投稿前仍应核对数据和目标期刊要求。
混淆矩阵生成器 可以导出高分辨率图吗？
可以。混淆矩阵生成器 图在 SciVis 中编辑完成后，可按论文、海报、幻灯片和报告的用途导出。
使用 混淆矩阵生成器 需要会编程吗？
不需要。混淆矩阵生成器 通过引导式上传流程生成初稿，后续用 SciVis 的可视化控件完成细化。
