我在三类分类问题(三个随机森林)上使用 OneVsRest 分类器。每个类的出现都定义了我的虚拟整数(1 代表出现,0 代表其他)。我想知道是否有一种简单的替代方法来创建混淆矩阵?正如我遇到的所有方法一样,采用 y_pred、y_train = array、shape = [n_samples] 形式的参数。理想情况下,我想要 y_pred, y_train = array , shape = [n_samples, n_classes]
一些样本,类似于问题的结构:
y_train = np.array([(1,0,0), (1,0,0), (0,0,1), (1,0,0), (0,1,0)])
y_pred = np.array([(1,0,0), (0,1,0), (0,0,1), (0,1,0), (1,0,0)])
print(metrics.confusion_matrix(y_train, y_pred)
返回: 不支持多标签指示器
最佳答案
我不知道你在想什么,因为你没有指定你正在寻找的输出,但你可以通过以下两种方式实现它:
1.每列一个混淆矩阵
In [1]:
for i in range(y_train.shape[1]):
print("Col {}".format(i))
print(metrics.confusion_matrix(y_train[:,i], y_pred[:,i]))
print("")
Out[1]:
Col 0
[[1 1]
[2 1]]
Col 1
[[2 2]
[1 0]]
Col 2
[[4 0]
[0 1]]
2.一共一个混淆矩阵
为此,我们要展平数组:
In [2]: print(metrics.confusion_matrix(y_train.flatten(), y_pred.flatten()))
Out[2]:
[[7 3]
[3 2]]
关于python - 有没有一种简单的方法来获得多类分类的混淆矩阵? (OneVsRest),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41013510/