Я вычислил матрицу путаницы для моего классификатора, используя метод confusion_matrix() из пакета sklearn. Диагональные элементы матрицы путаницы представляют собой число точек, для которых предсказанная метка равна истинной метке, в то время как недиагональные элементы - это те, которые неверно маркированы классификатором.
Я хотел бы нормализовать свою матрицу путаницы, чтобы она содержала только числа от 0 до 1. Я хотел бы прочитать процент правильно классифицированных образцов из матрицы.
Я нашел несколько методов, как нормализовать матрицу (нормализация строк и столбцов), но я мало знаю о математике и не уверен, что это правильный подход. Может кто-нибудь помочь?