Scikit 学习如何为混淆矩阵打印标签？

Question

所以我正在使用 sci-kit 学习 class验证一些数据。我有 13 个不同的 class values/categorizes 来 class 验证数据。现在我已经能够使用交叉验证并打印混淆矩阵。但是，它只显示 TP 和 FP 等，没有 class 标签，所以我不知道哪个 class 是什么。下面是我的代码和我的输出：

def classify_data(df, feature_cols, file):
    nbr_folds = 5
    RANDOM_STATE = 0
    attributes = df.loc[:, feature_cols]  # Also known as x
    class_label = df['task']  # Class label, also known as y.
    file.write("\nFeatures used: ")
    for feature in feature_cols:
        file.write(feature + ",")
    print("Features used", feature_cols)

    sampler = RandomOverSampler(random_state=RANDOM_STATE)
    print("RandomForest")
    file.write("\nRandomForest")
    rfc = RandomForestClassifier(max_depth=2, random_state=RANDOM_STATE)
    pipeline = make_pipeline(sampler, rfc)
    class_label_predicted = cross_val_predict(pipeline, attributes, class_label, cv=nbr_folds)
    conf_mat = confusion_matrix(class_label, class_label_predicted)
    print(conf_mat)
    accuracy = accuracy_score(class_label, class_label_predicted)
    print("Rows classified: " + str(len(class_label_predicted)))
    print("Accuracy: {0:.3f}%\n".format(accuracy * 100))
    file.write("\nClassifier settings:" + str(pipeline) + "\n")
    file.write("\nRows classified: " + str(len(class_label_predicted)))
    file.write("\nAccuracy: {0:.3f}%\n".format(accuracy * 100))
    file.writelines('\t'.join(str(j) for j in i) + '\n' for i in conf_mat)

#Output
Rows classified: 23504
Accuracy: 17.925%
0   372 46  88  5   73  0   536 44  317 0   200 127
0   501 29  85  0   136 0   655 9   154 0   172 67
0   97  141 78  1   56  0   336 37  429 0   435 198
0   135 74  416 5   37  0   507 19  323 0   128 164
0   247 72  145 12  64  0   424 21  296 0   304 223
0   190 41  36  0   178 0   984 29  196 0   111 43
0   218 13  71  7   52  0   917 139 177 0   111 103
0   215 30  84  3   71  0   1175    11  55  0   102 62
0   257 55  156 1   13  0   322 184 463 0   197 160
0   188 36  104 2   34  0   313 99  827 0   69  136
0   281 80  111 22  16  0   494 19  261 0   313 211
0   207 66  87  18  58  0   489 23  157 0   464 239
0   113 114 44  6   51  0   389 30  408 0   338 315

如你所见，你无法真正知道什么列是什么，打印也是"misaligned"，所以很难理解。

有没有办法也打印标签？

Answer 1

您的数据似乎有 13 个不同类，这就是为什么您的混淆矩阵有 13 行和 13 列的原因。此外，您的类没有任何标记，只是我所看到的整数。

如果不是这种情况，并且您的训练数据有实际标签，您可以将唯一标签列表传递给 confusion_matrix

conf_mat = confusion_matrix(class_label, class_label_predicted, df['task'].unique())

Answer 2

从doc来看，似乎没有打印混淆矩阵的行和列标签的选项。但是，您可以使用参数 labels=...

指定标签顺序

示例：

from sklearn.metrics import confusion_matrix

y_true = ['yes','yes','yes','no','no','no']
y_pred = ['yes','no','no','no','no','no']
print(confusion_matrix(y_true, y_pred))
# Output:
# [[3 0]
#  [2 1]]
print(confusion_matrix(y_true, y_pred, labels=['yes', 'no']))
# Output:
# [[1 2]
#  [0 3]]

如果你想打印带有标签的混淆矩阵，你可以尝试pandas并设置DataFrame的index和columns。

import pandas as pd
cmtx = pd.DataFrame(
    confusion_matrix(y_true, y_pred, labels=['yes', 'no']), 
    index=['true:yes', 'true:no'], 
    columns=['pred:yes', 'pred:no']
)
print(cmtx)
# Output:
#           pred:yes  pred:no
# true:yes         1        2
# true:no          0        3

或者

unique_label = np.unique([y_true, y_pred])
cmtx = pd.DataFrame(
    confusion_matrix(y_true, y_pred, labels=unique_label), 
    index=['true:{:}'.format(x) for x in unique_label], 
    columns=['pred:{:}'.format(x) for x in unique_label]
)
print(cmtx)
# Output:
#           pred:no  pred:yes
# true:no         3         0
# true:yes        2         1

Answer 3

由于混淆矩阵只是一个numpy矩阵，不包含任何列信息。您可以做的是将矩阵转换为数据框，然后打印此数据框。

import pandas as pd
import numpy as np

def cm2df(cm, labels):
    df = pd.DataFrame()
    # rows
    for i, row_label in enumerate(labels):
        rowdata={}
        # columns
        for j, col_label in enumerate(labels): 
            rowdata[col_label]=cm[i,j]
        df = df.append(pd.DataFrame.from_dict({row_label:rowdata}, orient='index'))
    return df[labels]

cm = np.arange(9).reshape((3, 3))
df = cm2df(cm, ["a", "b", "c"])
print(df)

代码片段来自 https://gist.github.com/nickynicolson/202fe765c99af49acb20ea9f77b6255e

输出：

Answer 4

重要的是要确保标记混淆矩阵行和列的方式与 sklearn 编码类的方式完全一致。可以使用分类器的 .类_ 属性显示标签的真实顺序。您可以使用下面的代码准备一个混淆矩阵数据框。

labels = rfc.classes_
conf_df = pd.DataFrame(confusion_matrix(class_label, class_label_predicted, columns=labels, index=labels))
conf_df.index.name = 'True labels'

第二个要注意的是你的分类器不能很好地预测标签。正确预测标签的数量显示在混淆矩阵的主对角线上。您在矩阵中有非零值，并且根本没有预测到一些类 - 列全为零。运行使用默认参数的分类器然后尝试优化它们可能是个好主意。

Answer 5

另一个更好的方法是在 pandas.

中使用交叉表函数

pd.crosstab(y_true, y_pred, rownames=['True'], colnames=['Predicted'], margins=True)

或

pd.crosstab(le.inverse_transform(y_true),
            le.inverse_transform(y_pred),
            rownames=['True'],
            colnames=['Predicted'],
            margins=True)

Scikit 学习如何为混淆矩阵打印标签？

Sci-kit learn how to print labels for confusion matrix?

python

machine-learning

confusion-matrix

scikit-learn