在混淆矩阵中找到错误分类的数据

Question

我用这个函数来评估我的模型

def stratified_cv(X, y, clf_class, shuffle=True, n_folds=10, **kwargs):

     X = X.as_matrix().astype(np.float)
     y = y.as_matrix().astype(np.int)
     y_pred = y.copy()
     stratified_k_fold = cross_validation.StratifiedKFold(y, n_folds=n_folds, shuffle=shuffle)  
     y_pred = y.copy()
     for ii, jj in stratified_k_fold:
           X_train, X_test =  X[ii],  X[jj]
           y_train,y_test = y[ii],y[jj]
           clf = clf_class(**kwargs)
           clf.fit(X_train,y_train)
           y_pred[jj] = clf.predict(X_test)
      return y_pred  

例如，给出了混淆矩阵

pass_agg_conf_matrix = metrics.confusion_matrix(y,       stratified_cv(X, y, linear_model.PassiveAggressiveClassifier))

现在我想识别错误分类的条目

Answer 1

您可以从混淆矩阵本身找出错误分类的预测。右上角的框表示预测为0但不为零的预测数。左下方框显示预测的1但不是一个。 如果根据正确的惯例构建混淆矩阵，则上述细胞被称为真阴性和假阳性。