Scikit 学习如何打印混淆矩阵的标签？

Posted 2023-03-12

【中文标题】Scikit 学习如何打印混淆矩阵的标签？

【英文标题】：Sci-kit learn how to print labels for confusion matrix?

【发布时间】：2018-10-23 20:18:36

【问题描述】：

所以我正在使用 sci-kit learn 对一些数据进行分类。我有 13 个不同的类值/分类来对数据进行分类。现在我已经能够使用交叉验证并打印混淆矩阵了。但是，它只显示没有类标签的 TP 和 FP 等，所以我不知道哪个类是什么。以下是我的代码和输出：

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

如您所见，您无法真正知道哪一列是什么，而且打印也“未对齐”，因此很难理解。

还有打印标签的方法吗？

【参考方案1】：

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

指定标签顺序

例子：

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]]

如果您想打印带有标签的混淆矩阵，您可以尝试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

【讨论】：

如果我的算法学习的是整个事物的一个子集怎么办？然后不是所有这些都被猜到了吗？这将导致添加没有 y_pred 值和错误形状的标签。

@VaidøtasIvøška 我的最后一个示例是否通过使用y_true[subset] 和y_pred[subset] 解决了您的问题？

我明白你的意思。我没有通读它（只看ex.1），但我设法自己解决了我的问题，因为我认识到我需要一个来自“已知真实”和“在测试期间预测”的唯一值列表'。如果您不介意，我将发布我自己的答案。

【参考方案2】：

确保标记混淆矩阵行和列的方式与 sklearn 对类的编码方式完全一致，这一点很重要。标签的真实顺序可以使用分类器的 .classes_ 属性来显示。您可以使用下面的代码来准备混淆矩阵数据框。

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

要注意的第二件事是您的分类器不能很好地预测标签。正确预测的标签数量显示在混淆矩阵的主对角线上。您在矩阵中具有非零值，并且根本没有预测某些类 - 列全为零。使用默认参数运行分类器然后尝试优化它们可能是个好主意。

【参考方案3】：

另一种更好的方法是在 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)

【讨论】：

绝对是最干净的答案！

【参考方案4】：

由于混淆矩阵只是一个numpy矩阵，它不包含任何列信息。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 sn-p 来自https://gist.github.com/nickynicolson/202fe765c99af49acb20ea9f77b6255e

输出：

   a  b  c
a  0  1  2
b  3  4  5
c  6  7  8

【参考方案5】：

您的数据似乎有 13 个不同的类别，这就是为什么您的混淆矩阵有 13 行和 13 列的原因。此外，您的类没有以任何方式标记，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())

【讨论】：

我的数据被标记了。我有一个名为“任务”的列，然后每一行都有一个值，例如 t1、t2、t3 等等。我会试试你的建议。

嗯，我得到了这个 'numpy.ndarray' 对象没有属性 'unique'