如何计算Scikit中多类分类的混淆矩阵?

时间:2017-04-27 18:07:06

标签: python scikit-learn classification confusion-matrix

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]])

3 个答案:

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_testy_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:

  • -1:false negative
  • 1:误报
  • 0:真的否定
  • 2:真正的正面

最后,要进行一些天真的计数,你可以产生任何混淆度量。