web-dev-qa-db-ja.com

Scikitでマルチクラス分類の混同行列をどのように計算しますか？

マルチクラス分類タスクがあります。次のように scikitの例 に基づいてスクリプトを実行すると、

_classifier = OneVsRestClassifier(GradientBoostingClassifier(n_estimators=70, max_depth=3, learning_rate=.02))

y_pred = classifier.fit(X_train, y_train).predict(X_test)
cnf_matrix = confusion_matrix(y_test, y_pred)
_

私はこのエラーを受け取ります：

_File "C:\ProgramData\Anaconda2\lib\site-packages\sklearn\metrics\classification.py", line 242, in confusion_matrix
    raise ValueError("%s is not supported" % y_type)
ValueError: multilabel-indicator is not supported
_

_labels=classifier.classes__をconfusion_matrix()に渡そうとしましたが、役に立ちません。

y_testとy_predは次のとおりです。

_y_test =
array([[0, 0, 0, 1, 0, 0],
   [0, 0, 0, 0, 1, 0],
   [0, 1, 0, 0, 0, 0],
   ..., 
   [0, 0, 0, 0, 0, 1],
   [0, 0, 0, 1, 0, 0],
   [0, 0, 0, 0, 1, 0]])


y_pred = 
array([[0, 0, 0, 0, 0, 0],
   [0, 0, 0, 0, 0, 0],
   [0, 0, 0, 0, 0, 0],
   ..., 
   [0, 0, 0, 0, 0, 1],
   [0, 0, 0, 0, 0, 1],
   [0, 0, 0, 0, 0, 0]])
_
pythonscikit-learnclassificationconfusion-matrix
9
YNr

まず、ラベル出力配列を作成する必要があります。 3つのクラスがあるとしましょう： 'cat'、 'dog'、 'house' indexed：0,1,2。 2つのサンプルの予測は、「犬」、「家」です。出力は次のようになります。

y_pred = [[0, 1, 0],[0, 0, 1]]

y_pred.argmax（1）を実行して取得：[1,2]この配列は、元のラベルインデックスを意味します。つまり、['dog'、 'house']

num_classes = 3

# from lable to categorial
y_prediction = np.array([1,2]) 
y_categorial = np_utils.to_categorical(y_prediction, num_classes)

# from categorial to lable indexing
y_pred = y_categorial.argmax(1)
7
Naomi Fridman

これは私のために働きました：

y_test_non_category = [ np.argmax(t) for t in y_test ]
y_predict_non_category = [ np.argmax(t) for t in y_predict ]

from sklearn.metrics import confusion_matrix
conf_mat = confusion_matrix(y_test_non_category, y_predict_non_category)

どこ y_testおよびy_predictは、ワンホットベクトルのようなカテゴリ変数です。

7
ak2205

出力を差し引いただけですy_test予測からの行列y_predカテゴリカル形式を維持したままの行列。の場合には -1、1、誤検知。

次：

if output_matrix[i,j] == 1 and predictions_matrix[i,j] == 1:  
    produced_matrix[i,j] = 2

次の表記で終わる：

  • -1：偽陰性
  • 1：誤検知
  • 0：真陰性
  • 2：真陽性

最後に、いくつかの単純なカウントを実行して、混乱のメトリックを生成できます。

0
mcchran