class_weight 随机森林中的超参数改变了混淆矩阵中的样本数量
class_weight hyperparameter in Random Forest change the amounts of samples in confusion matrix
我目前正在研究一个随机森林分类模型，该模型包含 24,000 个样本，其中 20,000 个属于 class 0，4,000 个属于 class 1。我做了一个 train_test_split，其中 test_set 是整个数据集的 0.2（test_set 中大约有 4,800 个样本）。由于我正在处理不平衡数据，我查看了旨在解决此问题的超参数 class_weight。
我在设置 class_weight='balanced' 并查看训练集的 confusion_matrix 时遇到的问题我得到了类似的东西：
array([[13209, 747],
[ 2776, 2468]])
如您所见，下方数组对应 False Negative = 2776 后跟 True Positive = 2468，而上方数组对应 True Negative = 13209 后跟 False Positive = 747。问题是根据 confusion_matrix 属于 class 1 的样本数量是 2,776 (False Negative) + 2,468 (True Positive)，总计 5,244 samples 属于 class 1。这没有任何意义，因为整个数据集仅包含 4,000 个属于 class 1 的样本，其中只有 3,200 个样本在 train_set 中。它看起来像 confusion_matrix return 矩阵的 Transposed 版本，因为 training_set 中属于 class 1 的实际样本量应该总和为 3,200 train_set 中的样本和 test_set 中的 800 个样本。一般来说，正确的数字应该是 747 + 2468 加起来是 3,215，这是属于 class 1 的正确数量的样本。
有人可以解释一下我使用 class_weight 时发生了什么吗？ confusion_matrix return 是矩阵的 transposed 版本是真的吗？我看错了吗？
我曾尝试寻找答案并访问了几个在某种程度上相似的问题，但其中 none 确实涵盖了这个问题。
这些是我查看的一些来源：
using sample_weight and class_weight in imbalanced dataset with RandomForest Classifier
如有任何帮助，我们将不胜感激。
从docs复制玩具示例：
from sklearn.metrics import confusion_matrix
y_true = [0, 1, 0, 1]
y_pred = [1, 1, 1, 0]
tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
(tn, fp, fn, tp)
# (0, 2, 1, 1)
因此，您提供的混淆矩阵的读数似乎是正确的。
Is it true that the confusion_matrix returns a transposed version of
the matrix?
如上例所示，不。但是一个非常容易（并且看似无辜）的错误可能是您交换了 y_true 和 y_pred 参数的 order，这很重要；结果确实是一个转置矩阵：
# correct order of arguments:
confusion_matrix(y_true, y_pred)
# array([[0, 2],
# [1, 1]])
# inverted (wrong) order of the arguments:
confusion_matrix(y_pred, y_true)
# array([[0, 1],
# [2, 1]])
根据您提供的信息无法判断这是否是原因，这很好地提醒了您为什么应始终提供实际代码，而不是口头描述您的内容 想想 你的代码正在做...
我目前正在研究一个随机森林分类模型，该模型包含 24,000 个样本，其中 20,000 个属于 class 0，4,000 个属于 class 1。我做了一个 train_test_split，其中 test_set 是整个数据集的 0.2（test_set 中大约有 4,800 个样本）。由于我正在处理不平衡数据，我查看了旨在解决此问题的超参数 class_weight。
我在设置 class_weight='balanced' 并查看训练集的 confusion_matrix 时遇到的问题我得到了类似的东西：
array([[13209, 747],
[ 2776, 2468]])
如您所见，下方数组对应 False Negative = 2776 后跟 True Positive = 2468，而上方数组对应 True Negative = 13209 后跟 False Positive = 747。问题是根据 confusion_matrix 属于 class 1 的样本数量是 2,776 (False Negative) + 2,468 (True Positive)，总计 5,244 samples 属于 class 1。这没有任何意义，因为整个数据集仅包含 4,000 个属于 class 1 的样本，其中只有 3,200 个样本在 train_set 中。它看起来像 confusion_matrix return 矩阵的 Transposed 版本，因为 training_set 中属于 class 1 的实际样本量应该总和为 3,200 train_set 中的样本和 test_set 中的 800 个样本。一般来说，正确的数字应该是 747 + 2468 加起来是 3,215，这是属于 class 1 的正确数量的样本。
有人可以解释一下我使用 class_weight 时发生了什么吗？ confusion_matrix return 是矩阵的 transposed 版本是真的吗？我看错了吗？
我曾尝试寻找答案并访问了几个在某种程度上相似的问题，但其中 none 确实涵盖了这个问题。
这些是我查看的一些来源：
using sample_weight and class_weight in imbalanced dataset with RandomForest Classifier
如有任何帮助，我们将不胜感激。
从docs复制玩具示例：
from sklearn.metrics import confusion_matrix
y_true = [0, 1, 0, 1]
y_pred = [1, 1, 1, 0]
tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
(tn, fp, fn, tp)
# (0, 2, 1, 1)
因此，您提供的混淆矩阵的读数似乎是正确的。
Is it true that the confusion_matrix returns a transposed version of the matrix?
如上例所示，不。但是一个非常容易（并且看似无辜）的错误可能是您交换了 y_true 和 y_pred 参数的 order，这很重要；结果确实是一个转置矩阵：
# correct order of arguments:
confusion_matrix(y_true, y_pred)
# array([[0, 2],
# [1, 1]])
# inverted (wrong) order of the arguments:
confusion_matrix(y_pred, y_true)
# array([[0, 1],
# [2, 1]])
根据您提供的信息无法判断这是否是原因，这很好地提醒了您为什么应始终提供实际代码，而不是口头描述您的内容 想想 你的代码正在做...