构建具有缺失数据的混淆矩阵
Construct confusion matrix with missing data
我正在用 4 类 (1.0, 2.0, 3.0, 4.0)
构造一个混淆矩阵
然而,在某些情况下,预期和预测数组都只有 3 类:
>> expected
array([ 3., 2., 4.])
>> predicted
array([4.0, 2.0, 3.0])
所以,得到的混淆矩阵只有3x3的矩阵:
from sklearn.metrics import confusion_matrix
confusion_matrix(expected, predicted)
array([[1, 0, 0],
[0, 1, 0],
[0, 0, 1]])
在这种情况下,我如何仍然可以制作 4x4 混淆矩阵?
是的,你可以。如果使用 labels 关键字参数,则可以为所有 类.
打印一个混淆矩阵
>>>confusion_matrix(expected,predicted,labels=[1.,2.,3.,4.])
array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 0, 1],
[0, 0, 1, 0]])
一个有用的link是confusion_matrix docs
我正在用 4 类 (1.0, 2.0, 3.0, 4.0)
构造一个混淆矩阵然而,在某些情况下,预期和预测数组都只有 3 类:
>> expected
array([ 3., 2., 4.])
>> predicted
array([4.0, 2.0, 3.0])
所以,得到的混淆矩阵只有3x3的矩阵:
from sklearn.metrics import confusion_matrix
confusion_matrix(expected, predicted)
array([[1, 0, 0],
[0, 1, 0],
[0, 0, 1]])
在这种情况下,我如何仍然可以制作 4x4 混淆矩阵?
是的,你可以。如果使用 labels 关键字参数,则可以为所有 类.
打印一个混淆矩阵>>>confusion_matrix(expected,predicted,labels=[1.,2.,3.,4.])
array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 0, 1],
[0, 0, 1, 0]])
一个有用的link是confusion_matrix docs