来自概率的混淆矩阵

Question

我有以下 scikit-learn 机器学习管道：

cv = StratifiedKFold(n_splits=6)
classifier = svm.SVC(kernel='linear', probability=True,
                     random_state=random_state)

tprs = []
aucs = []
mean_fpr = np.linspace(0, 1, 100)

i = 0
for train, test in cv.split(X, y):
    probas_ = classifier.fit(X[train], y[train]).predict_proba(X[test])
    # Compute ROC curve and area the curve
    fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1])
    tprs.append(interp(mean_fpr, fpr, tpr))
    tprs[-1][0] = 0.0
    roc_auc = auc(fpr, tpr)
    aucs.append(roc_auc)
    i += 1

现在我还想计算（并绘制）混淆矩阵。如何使用上面的代码完成此操作？我只得到概率（我需要计算 AUC）。我有 4 类 (1...4).

Answer 1

您可以在此处使用此示例来绘制混淆矩阵：

http://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html#sphx-glr-auto-examples-model-selection-plot-confusion-matrix-py

但是为此，您需要离散的 class 值（不是概率）。这可以很容易地从你的 probas_ 变量中导出：

y_pred = np.argmax(probas_, axis=1)

现在你可以在混淆矩阵

中使用这个y_pred

来自概率的混淆矩阵

Confusion matrix from probabilities

python

scikit-learn

cross-validation

confusion-matrix