使用 cross_validate 生成混淆矩阵

Question

我正在尝试找出如何使用 cross_validate 生成混淆矩阵。我可以用目前的代码打印出分数。

# Instantiating model
model = DecisionTreeClassifier()

#Scores
scoring = {'accuracy' : make_scorer(accuracy_score), 
           'precision' : make_scorer(precision_score),
           'recall' : make_scorer(recall_score), 
           'f1_score' : make_scorer(f1_score)}

# 10-fold cross validation
scores = cross_validate(model, X, y, cv=10, scoring=scoring)

print("Accuracy (Testing):  %0.2f (+/- %0.2f)" % (scores['test_accuracy'].mean(), scores['test_accuracy'].std() * 2))
print("Precision (Testing):  %0.2f (+/- %0.2f)" % (scores['test_precision'].mean(), scores['test_precision'].std() * 2))
print("Recall (Testing):  %0.2f (+/- %0.2f)" % (scores['test_recall'].mean(), scores['test_recall'].std() * 2))
print("F1-Score (Testing):  %0.2f (+/- %0.2f)" % (scores['test_f1_score'].mean(), scores['test_f1_score'].std() * 2))

但我正在尝试将该数据放入混淆矩阵中。我可以使用 cross_val_predict -

制作混淆矩阵

y_train_pred = cross_val_predict(model, X, y, cv=10)
confusion_matrix(y, y_train_pred)

这很好，但由于它是在进行自己的交叉验证，因此结果不会匹配。我只是在寻找一种方法来生成具有匹配结果的两者。

任何帮助或指点都会很棒。谢谢！

Answer 1

简短的回答是你不能。

混淆矩阵的思想是使用一个经过训练的模型评估一个数据。结果是一个矩阵，而不是像准确性这样的分数。所以你不能计算平均值或类似的东西。 cross_val_score 顾名思义，仅适用于 scores。混淆矩阵不是分数，它是对评估过程中发生的事情的一种总结。

cross_val_predict 与您要查找的内容非常相似。此函数会将数据拆分为 K 个部分。每个部分都将使用您从数据的其他部分获得的模型进行测试。所有测试的样本将被合并。但要小心这个功能： “将这些预测传递到评估指标中 可能不是衡量泛化性能的有效方法。 结果可能与 cross_validate 和 cross_val_score 不同，除非所有测试集的大小都相同，并且指标会分解样本。"

Answer 2

我认为最好的方法是将混淆矩阵定义为记分器，而不是或除了您定义的其他矩阵之外。幸运的是，这是用户指南中的示例；参见第三个项目符号 here:

def confusion_matrix_scorer(clf, X, y):
    y_pred = clf.predict(X)
    cm = confusion_matrix(y, y_pred)
    return {'tn': cm[0, 0], 'fp': cm[0, 1],
            'fn': cm[1, 0], 'tp': cm[1, 1]}
cv_results = cross_validate(svm, X, y, cv=5,
                            scoring=confusion_matrix_scorer)

然后 cv_results['test_tp'] （等）是每个折叠的真阳性数量的列表。现在您可以聚合混淆矩阵，但是最适合您。

我首先想到了另一种方法，我将在此处添加它，以防它有助于理解 sklearn 如何处理事物。但我绝对认为第一种方法更好。

您可以在 cross_validate 中设置 return_estimator，在这种情况下，返回的字典有一个键 estimator，其值为拟合模型列表。不过，您仍然需要能够找到相应的测试折叠。为此，您可以手动定义 cv 对象（例如 cv = StratifiedKFold(10) 和 cross_validate(..., cv=cv)；然后 cv 仍将包含进行拆分的相关数据。因此您可以使用拟合估计器对适当的测试折叠进行评分，生成混淆矩阵。或者您可以使用 cross_val_predict(..., cv=cv)，但此时您重复拟合，因此您可能应该跳过 cross_validate 并自己进行循环。

使用 cross_validate 生成混淆矩阵

Producing a confusion matrix with cross_validate

python

machine-learning

confusion-matrix

scikit-learn

cross-validation