sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion

分析代码源自

from sklearn.metrics import confusion_matrix

如何写混淆矩阵
手动分析如下
一 将y_true y_pred写成列向量的形式
y_true   y_pre    是否匹配(真实值与预测值是否匹配)0        1         n
1        1         y
0        1         n
1        0         n二 统计
二分类混淆矩阵列如下（1代表阳性  0 代表阴性）预测值
真实值      0         1
0           0 (tn)        2(fp)
1           1 (fn)         1（tp）举例
In the binary case, we can extract true positives, etc as follows:>>> tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel() >>> (tn, fp, fn, tp) (0, 2, 1, 1)Examples
--------
>>> from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1]
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
array([[2, 0, 0],[0, 0, 1],[1, 0, 2]])手动分析如下
一 将y_true  y_pred写成列向量的形式
y_true   y_pre       是否匹配(真实值与预测值是否匹配)2         0                     n
0         0                     y
2         2                     y
2         2                     y
0         0                     y
1         2                     n
二 统计
多分类混淆矩阵列如下预测值
真实值 0   1   2
0      2   0   0
1      0   0   1
2      1   0   2>>> y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
>>> y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
>>> confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])
array([[2, 0, 0],[0, 0, 1],[1, 0, 2]])手动分析如下
一 将y_true y_pred写成列向量的形式
y_true    y_pre    是否匹配(真实值与预测值是否匹配)cat          ant        n
ant          ant         y
cat          cat        y
cat          cat        y
ant          ant       y
bird         cat       n
二 统计
多分类混淆矩阵列如下预测值
真实值      ant bird cat
ant         2   0     0
bird        0   0     1
cat         1   0     2

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值上边为预测值相关推荐

R语言使用yardstick包的conf_mat函数计算多分类（Multiclass）模型的混淆矩阵、并使用summary函数基于混淆矩阵输出分类模型评估的其它详细指标（kappa、npv等13个）
R语言使用yardstick包的conf_mat函数计算多分类(Multiclass)模型的混淆矩阵(confusion matrix).并使用summary函数基于混淆矩阵输出分类模型评估的其它详细 ...
通过交叉验证（Cross Validation）KFold绘制ROC曲线并选出最优模型进行模型评估、测试、包含分类指标、校准曲线、混淆矩阵等
通过交叉验证(Cross Validation,CV)KFold绘制ROC曲线并选出最优模型进行模型评估.测试.包含分类指标.校准曲线.混淆矩阵等 Cross Validation cross val ...
ML：分类预测问题中评价指标(ER/混淆矩阵P-R-F1/ROC-AUC/RP/mAP)简介、使用方法、代码实现、案例应用之详细攻略
ML:分类预测问题中评价指标(ER/混淆矩阵P-R-F1/ROC-AUC/RP/mAP)简介.使用方法.代码实现.案例应用之详细攻略目录分类预测的简介分类预测问题中评价指标(ER/ROC-AUC ...
sklearn综合示例5：多分类分类器
二元分类器在两个类中区分,而多类分类器(也称为多项分类器)可以区分两个以上的类.有一些算法(如随机森林分类器或朴素贝叶斯分类器)可以直接处理多个类.也有一些严格的二元分类器(如支持向量机分类器或线性分 ...
机器学习（二十一）——Optimizer, 单分类SVM多分类SVM, 时间序列分析
http://antkillerfarm.github.io/ Optimizer 在<机器学习(一)>中,我们已经指出梯度下降是解决凸优化问题的一般方法.而如何更有效率的梯度下降,就是本 ...
决策树分类评估指标之混淆矩阵
问题的提出如果决策树的目标是尽量捕获少数类,则准确率模型评估的意义不大,需要新的模型评估指标.简单来看,只需要查看模型在少数类上的准确率就好,只要能够将少数类尽量捕捉出来,就能够达到目的. 但是,新 ...
[Python+sklearn] 计算混淆矩阵 confusion_matrix()函数
python sklearn 计算混淆矩阵 confusion_matrix()函数参考sklearn官方文档:sklearn.metrics.confusion_matrix. 功能: 计算混淆矩 ...
短文本分类：电力95598工单分类实现
前言随着信息化的快速发展,电网各企业积累的数据越来越多.在电力操作规则,运维记录,调度运行记录,营销档案,客服,故障检修等存在着大量文本类数据[由于中文文本类数据的复杂性,无法直接运用机器学习对文本 ...
02_混淆矩阵、准确率（Accuracy）、精确率(Precision)、召回率(Recall)、F值(F-Measure) +Roc曲线和PR曲线+sklearn中分类模型评估API+ 自己补充整理
此博文参考: 关于ROC绘制参考博文: https://blog.csdn.net/u011630575/article/details/80250177 Python+ROC相关的博文: https ...

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值上边为预测值

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值上边为预测值相关推荐

最新文章

热门文章

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值 上边为预测值

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值 上边为预测值相关推荐

最新文章

热门文章

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值上边为预测值

sklearn 统计多分类和单分类结果的混淆矩阵API 写法 confusion_matrix 左边为真实值上边为预测值相关推荐