是否有一种简单的方法来获得多类分类的混淆矩阵?(Onevsrest)

Question

i在三个类别分类问题（三个随机森林）上使用OneVSrest分类器。每个类的出现被定义我的虚拟整数（1用于出现，否则为0）。我想知道是否有一种简单的替代方法来创建混乱矩阵？当我遇到的所有方法时，以y_pred，y_train = array，shape = [n_samples]的形式进行参数。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： 不支持多标记 - 指标

Answer 1

我不知道您有什么想法，因为您没有指定要寻找的输出，但是以下是您可以解决的两种方法：

1.一个混淆矩阵每列

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]]

2.一个混乱矩阵

为此，我们要弄平数组：

In [2]: print(metrics.confusion_matrix(y_train.flatten(), y_pred.flatten()))
Out[2]:
[[7 3]
 [3 2]]

Answer 2

您可以在下面尝试以一口气获取所有详细信息。

from sklearn.metrics import confusion_matrix
confusion_matrix(y_test.argmax(axis=1), y_pred.argmax(axis=1))

这将为您提供以下类似的东西：

array([[ 7,  0,  0,  0],
       [ 0,  7,  0,  0],
       [ 0,  1,  2,  4],
       [ 0,  1,  0, 11]])  

- 这意味着所有对角线都是正确预测的。