我在三类分类问题上使用OneVsRest分类器(三个随机森林) . 每个类的出现都是我的虚拟整数(1表示发生,0表示否则) . 我想知道是否有一种简单的替代方法来创建混淆矩阵?正如我遇到的所有方法一样,以y_pred,y_train = array,shape = [n_samples]的形式获取参数 . 理想情况下,我想要y_pred,y_train = array,shape = [n_samples,n_classes]
一些样本,类似于问题的结构:
y_train = np.array([(1,0,0), (1,0,0), (0,0,1), (1,0,0), (0,1,0)])
y_pred = np.array([(1,0,0), (0,1,0), (0,0,1), (0,1,0), (1,0,0)])
print(metrics.confusion_matrix(y_train, y_pred)
退货:不支持多标签指标
2 回答
我不知道你有什么想法,因为你没有指定你想要的输出,但是有两种方法可以解决它:
1.One confusion matrix per column
2.One confusion matrix altogether
为此,我们将展平数组:
您可以尝试以下方式一次性获取所有详细信息 .
这将为您提供如下内容: