Scikit-Learn：混淆矩阵中的标签不匹配

Posted 2023-03-12

【中文标题】Scikit-Learn：混淆矩阵中的标签不匹配

【英文标题】：Scikit-Learn: Labels don't match in Confusion Matrix

【发布时间】：2020-05-30 07:23:44

【问题描述】：

假设我有一个包含（可能）43 个不同值的数组，例如

import pandas as pd
Y_test = pd.Series([4,4,4,42,42,0,1,1,19], dtype=int)
Y_hat = pd.Series([4,4,2,32,42,0,5,5,19], dtype=int)

每当我尝试绘制混淆矩阵时：

def create_conf_mat(index, y_test, y_hat):
    cm = confusion_matrix(y_test, y_hat)
    fig = plt.figure()
    ax = fig.add_subplot(111)
    cax = ax.matshow(cm)
    plt.title(f'Confusion Matrix (index features, 1 outcome)')
    fig.colorbar(cax)
    plt.xlabel('Predicted')
    plt.ylabel('Actual')
    plt.savefig(f'confm_index.png')
    plt.savefig(f'confm_index.svg')
    plt.savefig(f'confm_index.pdf')
    return

我没有得到标签 [0, 1, 2, 4, 5, 19, 32, 42] 而是 [0, 1, 2, 3, 4, 5, 6, 7]。 我试图通过使用 y_test/y_hat 中的唯一值作为标签参数来明确设置标签，但它也不起作用。我什至尝试将整数值转换为字符串，但这样做，sklearn 抱怨至少有一个标签必须在 y_true 中。 有谁知道我如何将 y_test 和 y_pred 中的实际值绘制为混淆矩阵中的标签？

【问题讨论】：

可以在return语句前加上以下两行plt.xticks(range(len(y_test)), y_test)和plt.yticks(range(len(y_hat)), y_hat)

【参考方案1】：

正如documentation 中所暗示的，关于labels 参数到confusion_matrix：

如果给出 None ，则在 y_true 或 y_pred 中至少出现一次的将按排序顺序使用。

所以，我们需要同时抓取两个列表，并提取唯一数字列表：

labels = np.unique(np.concatenate([y_test.values, y_hat.values]))
plt.xticks(range(len(labels)), labels)
plt.yticks(range(len(labels)), labels)

请注意，最新版本的 'scikit-learn' 现在包括 integrated function to plot a confusion matrix 和 example code。

【讨论】：

这个答案有帮助吗？

这行得通，非常感谢！但是，标题和 X 标签现在重叠，并且设置 va/verticalalignment='bottom' 不会打印混淆矩阵底部的 xticks。你知道任何解决方法吗？ :)

使用 plt.title(..., fontsize=..., pad=20) 之类的东西来控制标题和 x 刻度标签之间的距离。要获取底部的刻度，请使用 ax.xaxis.tick_bottom()