我有一个多类分类任务。当我根据scikit example运行我的脚本时,如下所示:
classifier = OneVsRestClassifier(GradientBoostingClassifier(n_estimators=70, max_depth=3, learning_rate=.02))
y_pred = classifier.fit(X_train, y_train).predict(X_test)
cnf_matrix = confusion_matrix(y_test, y_pred)
我收到此错误:
File "C:\ProgramData\Anaconda2\lib\site-packages\sklearn\metrics\classification.py", line 242, in confusion_matrix
raise ValueError("%s is not supported" % y_type)
ValueError: multilabel-indicator is not supported
我尝试将labels=classifier.classes_
传递给confusion_matrix()
,但这没有帮助。
y_test和y_pred如下:
y_test =
array([[0, 0, 0, 1, 0, 0],
[0, 0, 0, 0, 1, 0],
[0, 1, 0, 0, 0, 0],
...,
[0, 0, 0, 0, 0, 1],
[0, 0, 0, 1, 0, 0],
[0, 0, 0, 0, 1, 0]])
y_pred =
array([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
...,
[0, 0, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 0]])
答案 0 :(得分:7)
首先,您需要创建标签输出数组。 假设您有3个课程:' cat',' dog',' house'索引:0,1,2。 对2个样本的预测是:' dog'' house'。 您的输出将是:
y_pred = [[0, 1, 0],[0, 0, 1]]
运行y_pred.argmax(1)得到:[1,2] 此数组代表原始标签索引,表示: [' dog',' house']
num_classes = 3
# from lable to categorial
y_prediction = np.array([1,2])
y_categorial = np_utils.to_categorical(y_prediction, num_classes)
# from categorial to lable indexing
y_pred = y_categorial.argmax(1)
答案 1 :(得分:5)
这对我有用:
y_test_non_category = [ np.argmax(t) for t in y_test ]
y_predict_non_category = [ np.argmax(t) for t in y_predict ]
from sklearn.metrics import confusion_matrix
conf_mat = confusion_matrix(y_test_non_category, y_predict_non_category)
其中y_test
和y_predict
是分类变量,例如单热矢量。
答案 2 :(得分:0)
我只是从预测y_test
矩阵中减去输出y_pred
矩阵,同时保留分类格式。在-1
的情况下,我假设为假阴性,而在1
的情况下,假阳性。
下一步:
if output_matrix[i,j] == 1 and predictions_matrix[i,j] == 1:
produced_matrix[i,j] = 2
使用以下符号结束:
最后,要进行一些天真的计数,你可以产生任何混淆度量。