Question

我在三类分类问题上使用OneVsRest分类器（三个随机森林）。每个类的出现都是我的虚拟整数（1表示发生，0表示否则）。我想知道是否有一种简单的替代方法来创建混淆矩阵？正如我遇到的所有方法一样，以y_pred，y_train = array，shape = [n_samples]的形式获取参数。理想情况下，我想要y_pred，y_train = array，shape = [n_samples，n_classes]

一些样本，类似于问题的结构：

y_train = np.array([(1,0,0), (1,0,0), (0,0,1), (1,0,0), (0,1,0)])
y_pred = np.array([(1,0,0), (0,1,0), (0,0,1), (0,1,0), (1,0,0)])


print(metrics.confusion_matrix(y_train, y_pred)

返回值：不支持multilabel-indicator

Answer 1

我不知道你在想什么，因为你没有指定你正在寻找的输出，但是有两种方法可以解决它：

1.每列一个混淆矩阵

In [1]:
for i in range(y_train.shape[1]):
    print("Col {}".format(i))
    print(metrics.confusion_matrix(y_train[:,i], y_pred[:,i]))
    print("")

Out[1]:
Col 0
[[1 1]
 [2 1]]

Col 1
[[2 2]
 [1 0]]

Col 2
[[4 0]
 [0 1]]

2.完全混淆矩阵

为此，我们将展平数组：

In [2]: print(metrics.confusion_matrix(y_train.flatten(), y_pred.flatten()))

Out[2]:
[[7 3]
 [3 2]]

Answer 2

您可以尝试如下操作，一次性获得所有详细信息。

from sklearn.metrics import confusion_matrix
confusion_matrix(y_test.argmax(axis=1), y_pred.argmax(axis=1))

这将为您提供如下信息：

array([[ 7,  0,  0,  0],
       [ 0,  7,  0,  0],
       [ 0,  1,  2,  4],
       [ 0,  1,  0, 11]])

-这意味着所有对角线都可以正确预测。

是否有一种简单的方法来获得多类分类的混淆矩阵？（OneVsRest）

2 个答案:

是否有一种简单的方法来获得多类分类的混淆矩阵？ （OneVsRest）

2 个答案:

是否有一种简单的方法来获得多类分类的混淆矩阵？（OneVsRest）