Question

def inspection_performance(predicted_fraud, test_fraud):
    
    Inspect_Rate = []
    Precision=[]
    Recall=[]

    
    for i in range(1,100,1):
        
        threshold = np.percentile(predicted_fraud, i)
        precision = np.mean(test_fraud[predicted_fraud > threshold])
        recall = sum(test_fraud[predicted_fraud > threshold])/sum(test_fraud)
        Inspect_Rate.append(100-i)
        Precision.append(precision)
        Recall.append(recall)

    compiled_conf_matrix = pd.DataFrame({
        
        'İnceleme Oranı':Inspect_Rate,
        'Kesinlik':Precision,
        'Hatırlama':Recall,

    })

    return compiled_conf_matrix

我无法打印混淆矩阵结果。然后我想获得确定性、回忆和 f 分数，但我不能。这是我的代码指南。我如何通过编写类似于下面的代码来获得这个？

from sklearn.metrics import classification_report, confusion_matrix
print(confusion_matrix(y_test, y_pred))

举个例子，我想最后得到这样的结果。

print(classification_report(y_test, y_pred))

                 precision   recall  f1-score   support

           0       0.96      0.68      0.80     37117
           1       0.14      0.67      0.23      2883

    accuracy                           0.68     40000
   macro avg       0.55      0.68      0.52     40000
weighted avg       0.90      0.68      0.76     40000

我必须写其他东西而不是 y_test 和 y_pred。但是我不知道怎么写。

ROC-AUC曲线代码如下，仅供参考。这里应该用哪个标签代替 (y_true, y_pred)？

 from matplotlib import pyplot as plt
 from sklearn.metrics import roc_curve
 from sklearn.metrics import auc

 fpr, tpr, _ = roc_curve(test_labels.drop(np.where(np.isnan(y_pred))[0]), np.delete(y_pred, np.where(np.isnan(y_pred))[0]))

 plt.plot(fpr, tpr, label='ROC curve')
 plt.plot([0, 1], [0, 1], 'k--', label='Random guess')
 plt.xlabel('False positive rate')
 plt.ylabel('True positive rate')
 plt.title('ROC curve')
 plt.legend(loc="lower right")
 plt.show()
 print('auc: ', auc(fpr, tpr))

print(confusion_matrix(?, ?))
print(classification_report(?, ?))

在基本上有问号的地方应该得到什么？

Answer 1

你的问题很模糊。你想要混淆矩阵还是分类报告？

有关混淆矩阵，请参阅此official documentation of confusion matrix。在这里，您将执行以下操作：

from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_true, y_pred))

哪里，

y_true：ground_truth 标签
y_pred：预测标签

现在，就您而言，该函数有两个参数：predicted_fraud、test_fraud。 test_fraud 是你的 ground_truth 吗？必须有两个标签，即欺诈或无欺诈 (1,0) 如果是，则

from sklearn.metrics import confusion_matrix
print(confusion_matrix(test_fraud.classes, predicted_fraud))

有关分类报告，请参阅official documentation

from sklearn.metrics import classification_report
target_names = ['fraud', 'No fraud']
print(classification_report(test_fraud.classes, predicted_fraud, target_names=target_names))

分类报告将为您提供每个类别的主要分类指标（欺诈、无欺诈），例如：准确率、召回率、f1 分数、准确率等。

此外，还有一个github link，它对我也有帮助，希望对您也有帮助。

Answer 2

我解决了这个问题。应该发生的事情如下。

onChangeIntervento(intervento: number) {
   this.prezzoStrutturale = intervento
   this.elementoSelezionato = []
   this.interventi.forEach(c => {
     if(this.prezzoStrutturale == c.prezzoRiepilogo) {
       this.elementoSelezionato.push(c)
     } 
     if(this.prezzoStrutturale == c.prezzoRiepilogoTwo) {
       this.elementoSelezionato.push(c)
     }
   })
}

如何在深度学习模型中打印混淆矩阵？

2 个答案: