python - 如何使 sklearn.metrics.confusion_matrix() 始终返回 TP、TN、FP、FN？

Question

我正在使用 sklearn.metrics.confusion_matrix(y_actual, y_predict) 来提取 tn、fp、fn、tp，大部分时间它都能完美运行。

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [1,1,1,1], [0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 4 0]   # ok

y_actual, y_predict = [1,1,1,1],[0,1,0,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 2 2]   # ok

但是，在某些情况下，confusion_matrix() 并不总是返回这些信息，我会得到如下所示的 ValueError。

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

y_actual, y_predict = [1,1,1,1],[1,1,1,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

我的临时解决方案是编写自己的函数来提取这些信息。有什么方法可以强制 confusion_matrix() 始终返回 tn、fp、fn、tp 输出？

谢谢

Answer 1

此问题与输入矩阵中包含的唯一标签的数量有关。在您的第二个示例 block 中，它(正确地)构建了一个只有一个类的混淆矩阵，分别为 0 或 1。

要强制它输出两个类，即使其中一个类未被预测，请使用 label 属性。

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict, labels=[0,1]).ravel()
>> array([[4, 0],
          [0, 0]])