将连续数据离散化为混淆矩阵的列

Question

目标是通过将值离散化为区域，为所选模型列创建混淆矩阵并将其与真实列进行比较。

我有一个大型数据集，我在其中构建了大量模型并创建了预测 (modelx)，以及类似于以下模型的真实值 (true)：

模型和真实列的值都在[0,1]之间。我想创建一个函数，我可以在其中指定区域（例如：[0, 0.25, 0.5, 0.75, 1]）并将所选模型（一列）离散化为二进制值（除非分类字符串有效），这些值是否是否在区域内。

在上面的例子中，我有四个区域，我想从这里创建一个所选模型的混淆矩阵。

Answer 1

这是一种解决方案 - 使用 pd.cut:

import pandas as pd
import 
from sklearn.metrics import confusion_matrix
import plotly.express as px    

df = pd.DataFrame(np.random.random((100,7)), columns = [j for j in range(6)] + ["true"])

df_binned = pd.DataFrame()
for col in df.columns:
    df_binned[col] = pd.cut(df[col], bins=[0,0.25, 0.5, 0.75, 1.0], labels=list("lmhs"))

# generate confusion matrix 
cm = confusion_matrix(y_true=df_binned.true, y_pred=df_binned[0])

# plot
px.imshow(cm).show()

将连续数据离散化为混淆矩阵的列

Discretizing Continuous Data into Columns for Confusion Matrix

python

pandas

confusion-matrix

discretization