带有阈值python的混淆矩阵

Posted 2023-03-12

【中文标题】带有阈值python的混淆矩阵

【英文标题】：confusion matrix with threshold python

【发布时间】：2020-02-04 16:04:29

【问题描述】：

如果将阈值在 [0.5,0.6,0.9] 之间更改一次 0.5 和一次 0.6 等等，如何打印逻辑回归的混淆矩阵

from sklearn.linear_model import LogisticRegression
import pandas as pd  
import numpy as np  
import matplotlib.pyplot as plt  

X = [[0.7,0.2],[0.9,0.4]]
y = [1,-1]

model = LogisticRegression()
model = model.fit(X,y)

threshold = [0.5,0.6,0.9]

CM = confusion_matrix(y_true, y_pred)

TN = CM[0][0]
FN = CM[1][0]
TP = CM[1][1]
FP = CM[0][1]

【问题讨论】：

嗨！我不明白你的问题：门槛是什么？您没有在代码中使用变量 threshold。

请查看https://***.com/questions/32627926/scikit-changing-the-threshold-to-create-multiple-confusion-matrixes

【参考方案1】：

def predict_y_from_treshold(model,X,treshold):  
    return np.array(list(map(lambda x : 1 if x > treshold else 0,model.predict_proba(X)[:,1])))

【讨论】：

你能澄清一下代码的作用吗？

【参考方案2】：

让我们试试这个！

for i in threshold:
   y_predicted = model.predict_proba(X)[:1] > i
   print(confusion_matrix(y, y_predicted))

predict_proba() 返回一个包含两列的 numpy 数组。第一列是目标 = 0 的概率，第二列是目标 = 1 的概率。这就是为什么我们在 predict_proba() 之后添加 [:,1] 以获得 target=1 的概率

【参考方案3】：

我认为伪代码（基于 python）的一种简单方法是：

1 - 预测一组已知值 (X) y_prob = model.predict_proba(X)，因此您将获得 X 中每个输入的概率。

2 - 然后为每个阈值计算输出。即如果 y_prob > 阈值 = 1 否则 0

3 - 现在得到每个向量的混淆矩阵。

如果您需要更深入的解释，请告诉我！

【讨论】：

我们怎样才能找到最好的阈值，然后在那个if条件中使用它：“If y_prob > threshold = 1 else 0”

嗯.. 反复试验，也取决于你在寻找什么。在检测所有阳性或检测所有阴性之间存在这种权衡（如果您说结果始终是第 1 类，您将成功找到所有第 1 类，但您将无法检测到第 -1 类）寻找 auc 作为分类器的指标。