从两个向量构建混淆矩阵

Posted 2023-02-23

【中文标题】从两个向量构建混淆矩阵

【英文标题】：Build confusion matrix from two vector

【发布时间】：2018-10-05 21:50:41

【问题描述】：

我需要定义一个生成混淆矩阵的函数。所以我有两个向量，y_label 和 y_predict，它们的元素值为 0、1、2。该函数的目标是创建标签计数：

  | 0 | 1 | 2 |
--------------
0 |   |   |   |
--------------
1 |   |   |   |
--------------
2 |   |   |   |
--------------

例如，cm[0,1] 应包含每个 i 的 y_label[i] = 0 和 y_predict[i] = 1 的元素计数。

到目前为止，这就是我所做的：

def get_confusion_matrix(y_label, y_fit):

    cm = np.ndarray([3,3])

    for i in range(3):
        for j in range(3):
            cm[i, j] = ....

    return cm

当然，我可以轻松地进行多级 for 循环来计数，但如果 Python / numpy 中有捷径，我想避免这种情况。

我也在考虑将y_label 和y_predict 合并成一个元组数组，然后使用dict-zip 技术，类似于这里：

How to count the occurrence of certain item in an ndarray in Python?

但解决方案在我的脑海中仍然有点模糊。请确认这是否也可以。

【参考方案1】：

您可以使用scikit learn 中的函数confusion_matrix。它似乎会产生你所追求的东西。

from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)

【参考方案2】：

这是创建混淆矩阵的快速方法，使用numpy.add.at。

首先，这里有一些示例数据：

In [93]: y_label
Out[93]: array([2, 2, 0, 0, 1, 0, 0, 2, 1, 1, 0, 0, 1, 2, 1, 0])

In [94]: y_predict
Out[94]: array([2, 1, 0, 0, 0, 0, 0, 1, 0, 2, 2, 1, 0, 0, 2, 2])

创建包含零的数组cm，然后在每个索引处加1 (y_label[i], y_predict[i])：

In [95]: cm = np.zeros((3, 3), dtype=int)

In [96]: np.add.at(cm, (y_label, y_predict), 1)

In [97]: cm
Out[97]: 
array([[4, 1, 2],
       [3, 0, 2],
       [1, 2, 1]])

【参考方案3】：

Scikit-learn 有一个confusion_matrix 函数：

from sklearn.metrics import confusion_matrix
y_actu = [2, 2, 0, 0, 1, 0, 0, 2, 1, 1, 0, 0, 1, 2, 1, 0]
y_pred = [2, 1, 0, 0, 0, 0, 0, 1, 0, 2, 2, 1, 0, 0, 2, 2]
confusion_matrix(y_actu, y_pred)

你会得到一个像这样的 Numpy 数组：

array([[4, 1, 2],
       [3, 0, 2],
       [1, 2, 1]])

为了获得更好的答案，您可以在 pandas 中使用crosstab 函数：

import pandas as pd
y_actu = pd.Series([2, 2, 0, 0, 1, 0, 0, 2, 1, 1, 0, 0, 1, 2, 1, 0], name='Actual')
y_pred = pd.Series([2, 1, 0, 0, 0, 0, 0, 1, 0, 2, 2, 1, 0, 0, 2, 2], name='Predicted')
df_confusion = pd.crosstab(y_actu, y_pred)

像这样输出一个 Pandas DataFrame 对象：

Predicted  0  1  2
Actual            
0          4  1  2
1          3  0  2
2          1  2  1

你可以在这个问题下找到最完整的答案： How to write a confusion matrix in Python?