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，并且大多数时候它可以完美地工作。

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，我将获得ValueError，如下所示。

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功能来提取这些信息。有什么办法可以强迫 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数量有关。在您的第二个示例中，它（正确地）分别使用一个类别为0或1的一个类别构建混淆矩阵。

即使未预测其中一个类别，也要强迫它输出两个类，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]])