计算多标签分类问题的ROC曲线、分类报告和混淆矩阵

Posted 2023-03-12

【中文标题】计算多标签分类问题的ROC曲线、分类报告和混淆矩阵

【英文标题】：Calculate ROC curve, classification report and confusion matrix for multilabel classification problem

【发布时间】：2020-07-06 12:07:04

【问题描述】：

我正在尝试了解如何为我的多标签分类问题制作混淆矩阵和 ROC 曲线。我正在建立一个神经网络。 这是我的课程：

mlb = MultiLabelBinarizer()
ohe = mlb.fit_transform(as_list)
# loop over each of the possible class labels and show them
for (i, label) in enumerate(mlb.classes_):
    print(". ".format(i + 1, label))

[INFO] class labels:
1. class1
2. class2
3. class3
4. class4
5. class5
6. class6

我的标签被转换了：

ohe
array([[0, 1, 0, 0, 1, 1],
       [0, 1, 1, 1, 1, 0],
       [1, 1, 1, 0, 1, 0],
       [0, 1, 1, 1, 0, 1],...]]

训练数据：

array([[[[ 1.93965047e+04,  8.49532852e-01],
         [ 1.93965047e+04,  8.49463479e-01],
         [ 1.93965047e+04,  8.49474722e-01],
         ...,

型号：

model.compile(loss="binary_crossentropy", optimizer=opt,metrics=["accuracy"])
H = model.fit(trainX, trainY, batch_size=BS,
    validation_data=(testX, testY),
    epochs=EPOCHS, verbose=1)

我能够获得百分比，但我对如何计算混淆矩阵或 ROC 曲线或获取分类报告有点无能为力。 这是百分比：

proba = model.predict(testX)
idxs = np.argsort(proba)[::-1][:2]

for i in proba:
    print ('\n')
    for (label, p) in zip(mlb.classes_, i):
        print(": :.2f%".format(label, p * 100))

class1: 69.41%
class2: 76.41%
class3: 58.02%
class4: 63.97%
class5: 48.91%
class6: 58.28%

class1: 69.37%
class2: 76.42%
class3: 58.01%
class4: 63.92%
class5: 48.88%
class6: 58.26%

如果有人有一些关于如何做到这一点的提示或示例，我将不胜感激！提前谢谢！

【参考方案1】：

从 v0.21 开始，scikit-learn 包含一个多标签混淆矩阵；将docs 中的示例改编为 5 个类：

import numpy as np
from sklearn.metrics import multilabel_confusion_matrix
y_true = np.array([[1, 0, 1, 0, 0],
                   [0, 1, 0, 1, 1],
                   [1, 1, 1, 0, 1]])
y_pred = np.array([[1, 0, 0, 0, 1],
                   [0, 1, 1, 1, 0],
                   [1, 1, 1, 0, 0]])

multilabel_confusion_matrix(y_true, y_pred)
# result:
array([[[1, 0],
        [0, 2]],

       [[1, 0],
        [0, 2]],

       [[0, 1],
        [1, 1]],

       [[2, 0],
        [0, 1]],

       [[0, 1],
        [2, 0]]])

通常的classification_report 也可以正常工作：

from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))
# result
              precision    recall  f1-score   support

           0       1.00      1.00      1.00         2
           1       1.00      1.00      1.00         2
           2       0.50      0.50      0.50         2
           3       1.00      1.00      1.00         1
           4       0.00      0.00      0.00         2

   micro avg       0.75      0.67      0.71         9
   macro avg       0.70      0.70      0.70         9
weighted avg       0.67      0.67      0.67         9
 samples avg       0.72      0.64      0.67         9

关于 ROC，您可以从文档中的 Plot ROC curves for the multilabel problem 示例中获取一些想法（虽然不太确定这个概念本身是否非常有用）。

混淆矩阵和分类报告需要硬类预测（如示例中所示）； ROC 需要将预测作为概率。

要将您的概率预测转换为难分类，您需要一个阈值。现在，通常（并且隐含地），这个阈值被取为 0.5，即如果 y_pred > 0.5 则预测 1，否则预测 0。然而，这并不一定总是如此，它取决于特定的问题。一旦设置了这样的阈值，您就可以轻松地将概率预测转换为具有列表理解的硬类；这是一个简单的例子：

import numpy as np

y_prob = np.array([[0.9, 0.05, 0.12, 0.23, 0.78],
                   [0.11, 0.81, 0.51, 0.63, 0.34],
                   [0.68, 0.89, 0.76, 0.43, 0.27]])

thresh = 0.5

y_pred = np.array([[1 if i > thresh else 0 for i in j] for j in y_prob])

y_pred
# result:
array([[1, 0, 0, 0, 1],
       [0, 1, 1, 1, 0],
       [1, 1, 1, 0, 0]])