Question

让Asumme我具有以下测试值：

y_test2 = [0, 0, 1, 1]

和以下预测值：

y_pred2 = [1, 0, 1, 1]

所以我有一个{0,1}作为类的二进制分类问题。如果我使用的是sklearn confusion_matrix：

confusion_matrix(y_test2, y_pred2)
array([[1, 1], #one 0 was predicted as 0 (TruePositive),  one 0 was predicted as 1 (FalseNegative)
       [0, 2]], dtype=int64) #two 1 were predicted as 1 (TrueNegatives)

对我来说是

TP: 1
FN: 1
TN: 2
FP: 0

但是，当我用ravel运行confusion_matrix时，scikit会学习文档：

tn, fp, fn, tp = confusion_matrix(y_test2, y_pred2).ravel()
(1, 1, 0, 2)

为什么scikit将1解释为True值？为什么在文档中没有提到它：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html 使用命名约定进行二进制分类时，我还有其他问题吗？有机会避免这种情况吗？

Answer 1

查看documentation中的描述：

因此，在二进制分类中，真实否定的计数是C（0,0），错误否定的计数是C（1,0），真实肯定的计数是C（1,1），错误肯定的计数是C（0,1）

从阵列中获取

array([[1, 1], 
       [0, 2]], dtype=int64)

是

TN: 1
FN: 0
TP: 2
FP: 1

scikit中混淆矩阵的正确命名

1 个答案: