En un caso de 2 hipótesis, la matriz de confusión suele ser:
| Declare H1 | Declare H0 |
|Is H1 | TP | FN |
|Is H0 | FP | TN |
donde he usado algo similar a tu notación:
- TP = verdadero positivo (declarar H1 cuando, en verdad, H1),
- FN = falso negativo (declarar H0 cuando, en verdad, H1),
- FP = falso positivo
- TN = verdadero negativo
A partir de los datos sin procesar, los valores de la tabla normalmente serían los recuentos de cada aparición sobre los datos de prueba. A partir de esto, debería poder calcular las cantidades que necesita.
Editar
La generalización de los problemas de varias clases es sumar sobre filas / columnas de la matriz de confusión. Dado que la matriz está orientada como anteriormente, es decir, que una fila dada de la matriz corresponde a un valor específico para la "verdad", tenemos:
Precision i=Mii∑jMji
Recall i=Mii∑jMij
Es decir, la precisión es la fracción de eventos en los que correctamente declaramos
de todos los casos en los que el algoritmo declarada . Por el contrario, recordar es la fracción de eventos en los que declaramos correctamente de todos los casos en los que el verdadero estado del mundo es .iiii