将 Iris 数据集目标名称应用于混淆矩阵
apply Iris Dataset target names to the confusion matrix
晚上好,我已经完成了虹膜数据集的 KNN 分类器方法,我可以显示所有代码,但我认为 post 完整代码并不重要,只有一个片段我不明白是如何将虹膜目标名称分配给混淆矩阵?这是混淆矩阵
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, prediction))
哪个returns矩阵
[[13 0 0]
[ 0 15 1]
[ 0 0 9]]
我在网上搜索过Confussion matrix
而且我知道还有额外的参数标签,所以我试过了
from sklearn.metrics import confusion_matrix
class_names =iris_dataset["target_names"]
print(confusion_matrix(y_test, prediction,labels=class_names))
但我收到以下错误:
ValueError: At least one label specified must be in y_true
请帮我解决一下?
我几个月前去过那里,这里有一段代码,尽量适应你的需要;)
original 是原始数据集 iris 数据集
预测是对分类所做的预测
希望对您有所帮助!
from sklearn.metrics import confusion_matrix
from mlxtend.plotting import plot_confusion_matrix
myarray = np.asarray(original)
matrix = confusion_matrix((myarray),(predictions+1))
class_names = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica']
fig, ax = plot_confusion_matrix(conf_mat=matrix,
show_absolute=True,
show_normed=False,
colorbar=True,
class_names=class_names)
plt.title('Confusion Matrix')
plt.show()
晚上好,我已经完成了虹膜数据集的 KNN 分类器方法,我可以显示所有代码,但我认为 post 完整代码并不重要,只有一个片段我不明白是如何将虹膜目标名称分配给混淆矩阵?这是混淆矩阵
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, prediction))
哪个returns矩阵
[[13 0 0]
[ 0 15 1]
[ 0 0 9]]
我在网上搜索过Confussion matrix
而且我知道还有额外的参数标签,所以我试过了
from sklearn.metrics import confusion_matrix
class_names =iris_dataset["target_names"]
print(confusion_matrix(y_test, prediction,labels=class_names))
但我收到以下错误:
ValueError: At least one label specified must be in y_true
请帮我解决一下?
我几个月前去过那里,这里有一段代码,尽量适应你的需要;) original 是原始数据集 iris 数据集 预测是对分类所做的预测
希望对您有所帮助!
from sklearn.metrics import confusion_matrix
from mlxtend.plotting import plot_confusion_matrix
myarray = np.asarray(original)
matrix = confusion_matrix((myarray),(predictions+1))
class_names = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica']
fig, ax = plot_confusion_matrix(conf_mat=matrix,
show_absolute=True,
show_normed=False,
colorbar=True,
class_names=class_names)
plt.title('Confusion Matrix')
plt.show()