如何分析混淆矩阵？

Question

当我打印出scikit-learn的混淆矩阵时，我会收到一个非常庞大的矩阵。我想分析什么是真正的积极因素，真正的消极因素等。我该怎么办？ 这就是我的混淆矩阵的样子。我希望更好地理解这一点。

[[4015  336    0 ...,    0    0    2]
 [ 228 2704    0 ...,    0    0    0]
 [   4    7   19 ...,    0    0    0]
 ..., 
 [   3    2    0 ...,    5    0    0]
 [   1    1    0 ...,    0    0    0]
 [  13    1    0 ...,    0    0   11]]

Answer 1

IIUC，您的问题未定义。 “误报”，“真正的否定” - 这些是仅为二元分类定义的术语。详细了解confusion matrix的定义。

在这种情况下，混淆矩阵的维度为 N X N 。对于条目（i，i），每个对角线表示预测为 i 并且结果也是 i 的情况。任何其他非对角线条目表示预测为 i 且结果为 j 的一些错误。在这种情况下，“积极”和“消极”没有任何意义。

您可以使用np.diagonal轻松找到诊断元素，然后很容易将它们相加。错误情况的总和是矩阵减去对角线总和的总和。

Answer 2

true positive ， false positive 等术语指二进制分类。而混淆矩阵的维数大于2。因此，您只能谈论已知在第i组中但预测在第j组中的观测数量（混淆矩阵的定义）。

Answer 3

方法1：二进制分类

from sklearn.metrics import confusion_matrix as cm
import pandas as pd

y_test = [1, 0, 0]
y_pred = [1, 0, 0]
confusion_matrix=cm(y_test, y_pred)

list1 = ["Actual 0", "Actual 1"]
list2 = ["Predicted 0", "Predicted 1"]
pd.DataFrame(confusion_matrix, list1,list2)

方法2：多类分类

虽然sklearn.metrics.confusion_matrix提供了一个数字矩阵，但您可以生成一个＆＃39;报告＆＃39;使用以下内容：

import pandas as pd
y_true = pd.Series([2, 0, 2, 2, 0, 1, 1, 2, 2, 0, 1, 2])
y_pred = pd.Series([0, 0, 2, 1, 0, 2, 1, 0, 2, 0, 2, 2])

pd.crosstab(y_true, y_pred, rownames=['True'], colnames=['Predicted'], margins=True)

导致：

Predicted  0  1  2  All
True                   
0          3  0  0    3
1          0  1  2    3
2          2  1  3    6
All        5  2  5   12

这让我们可以看到：

1. 对角元素显示每个类的正确分类数：0,1和2类为3,1和3.
2. 非对角线元素提供错误分类：例如，类2中的2个被错误分类为0，0类没有被错误分类为2，等等。
3. y_true和y_pred中每个班级的分类总数，来自＆＃34;所有＆＃34;小计

此方法也适用于文本标签，并且可以扩展数据集中的大量样本以提供百分比报告。