Scikit-learn：如何获得真阳性、真阴性、假阳性和假阴性
Posted
技术标签:
【中文标题】Scikit-learn：如何获得真阳性、真阴性、假阳性和假阴性【英文标题】：Scikit-learn: How to obtain True Positive, True Negative, False Positive and False Negative 【发布时间】：2015-09-28 05:25:20 【问题描述】：我的问题：
我有一个大型 JSON 文件的数据集。我读取它并将其存储在trainList 变量中。
接下来，我对其进行预处理 - 以便能够使用它。
完成后我开始分类：
-
我使用
kfold交叉验证方法来获得均值
准确度并训练分类器。
我做出预测并获得该折叠的准确性和混淆矩阵。
在此之后，我想获得True Positive(TP)、True Negative(TN)、False Positive(FP) 和False Negative(FN) 值。我将使用这些参数来获得 Sensitivity 和 Specificity。
最后，我会用它来放入 html 中，以便显示带有每个标签的 TP 的图表。
代码：
我目前拥有的变量：
trainList #It is a list with all the data of my dataset in JSON form
labelList #It is a list with all the labels of my data
大部分方法：
#I transform the data from JSON form to a numerical one
X=vec.fit_transform(trainList)
#I scale the matrix (don't know why but without it, it makes an error)
X=preprocessing.scale(X.toarray())
#I generate a KFold in order to make cross validation
kf = KFold(len(X), n_folds=10, indices=True, shuffle=True, random_state=1)
#I start the cross validation
for train_indices, test_indices in kf:
X_train=[X[ii] for ii in train_indices]
X_test=[X[ii] for ii in test_indices]
y_train=[listaLabels[ii] for ii in train_indices]
y_test=[listaLabels[ii] for ii in test_indices]
#I train the classifier
trained=qda.fit(X_train,y_train)
#I make the predictions
predicted=qda.predict(X_test)
#I obtain the accuracy of this fold
ac=accuracy_score(predicted,y_test)
#I obtain the confusion matrix
cm=confusion_matrix(y_test, predicted)
#I should calculate the TP,TN, FP and FN
#I don't know how to continue
【问题讨论】：
【参考方案1】：对于多类的情况，你需要的一切都可以从混淆矩阵中找到。例如，如果您的混淆矩阵如下所示：
然后，您可以在每个班级中找到您要查找的内容，如下所示：
使用 pandas/numpy，您可以像这样一次对所有类执行此操作：
FP = confusion_matrix.sum(axis=0) - np.diag(confusion_matrix)
FN = confusion_matrix.sum(axis=1) - np.diag(confusion_matrix)
TP = np.diag(confusion_matrix)
TN = confusion_matrix.values.sum() - (FP + FN + TP)
# Sensitivity, hit rate, recall, or true positive rate
TPR = TP/(TP+FN)
# Specificity or true negative rate
TNR = TN/(TN+FP)
# Precision or positive predictive value
PPV = TP/(TP+FP)
# Negative predictive value
NPV = TN/(TN+FN)
# Fall out or false positive rate
FPR = FP/(FP+TN)
# False negative rate
FNR = FN/(TP+FN)
# False discovery rate
FDR = FP/(TP+FP)
# Overall accuracy
ACC = (TP+TN)/(TP+FP+FN+TN)
【讨论】：
当我想计算 TN 的值时，我得到这个错误：'numpy.ndarray' object has no attribute 'values' 我正在使用 python 3。 这假设您在此处使用 pandas DataFrame 实例作为混淆矩阵。如果您使用的是 numpy 数组，只需删除.values 部分。
很好的解释。是否有类似的方法可以分别为每个班级获取 TPR、TNR、PPV 等？
很棒的答案@lucidv01d——我发现自己重复使用这段代码的次数足够多，以至于我写了一个package 来直接从pandas DataFrame 提供对这些指标的访问。您的答案、用户名和个人资料页面已正确归属:)
这是一个超级答案。 @lucidc01d 你能分享一下你是怎么做这个可视化的吗？【参考方案2】：
如果您有两个包含预测值和实际值的列表；正如您所做的那样，您可以将它们传递给一个函数，该函数将计算 TP、FP、TN、FN，如下所示：
def perf_measure(y_actual, y_hat):
TP = 0
FP = 0
TN = 0
FN = 0
for i in range(len(y_hat)):
if y_actual[i]==y_hat[i]==1:
TP += 1
if y_hat[i]==1 and y_actual[i]!=y_hat[i]:
FP += 1
if y_actual[i]==y_hat[i]==0:
TN += 1
if y_hat[i]==0 and y_actual[i]!=y_hat[i]:
FN += 1
return(TP, FP, TN, FN)
从这里我认为您将能够计算您的兴趣率，以及其他性能指标，如特异性和敏感性。
【讨论】：
我很好奇你为什么把 1 和 0 比较。这是默认类吗？ Class sklearn.preprocessing.LabelBinarizer(neg_label=0, pos_label=1, sparse_output=False) 请参阅：scikit-learn.org/stable/modules/generated/… 这是我在使用过的软件包和企业中看到的最常见的方案我工作过。 我认为你应该互换FP，FN en.wikipedia.org/wiki/False_positives_and_false_negatives "假阳性率是真阴性仍然产生阳性测试结果的比例，即给定阳性测试结果的条件概率一个不存在的事件。” y_actual!=y_hat[i] 应该有一个索引。也就是说应该是y_actual[i]!=y_hat[i], analyticsvidhya.com/blog/2020/04/…【参考方案3】：根据 scikit-learn 文档，
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html#sklearn.metrics.confusion_matrix
根据定义，混淆矩阵 C 使得 C[i, j] 等于已知在组 i 中但预测在组 j 中的观察数。
因此在二元分类中，真负数为C[0,0]，假负数为C[1,0]，真正数为C[1,1]，假正数为C[0,1]。
CM = confusion_matrix(y_true, y_pred)
TN = CM[0][0]
FN = CM[1][0]
TP = CM[1][1]
FP = CM[0][1]
【讨论】：
如果只有一个组，这会给你一个索引越界错误。【参考方案4】：您可以从混淆矩阵中获取所有参数。 混淆矩阵（即2X2矩阵）的结构如下（假设第一个索引与正标签相关，行与真标签相关）：
TP|FN
FP|TN
所以
TP = cm[0][0]
FN = cm[0][1]
FP = cm[1][0]
TN = cm[1][1]
更多详情https://en.wikipedia.org/wiki/Confusion_matrix
【讨论】：
在我的例子中，混淆矩阵不是 2x2，而是 3x3 或 4x4。例如，我可以得到这两个数组：y_predicted:[0 0 0 0 0 1 1 2 0 2 2 3 2 2 2 2] y_true: [0 0 0 0 0 1 1 2 2 2 2 2 2 2 2 2] 并且我得到这个混淆矩阵：[[5 0 0 0] [0 2 0 0] [1 0 7 1] [0 0 0 0]]
我假设了二进制分类。您的分类器似乎有 3 或 4 个类。
为此，如果您查看***链接，有一个关于猫、狗和马的示例。在存在两个类别（即正面和负面）的情况下，真阳性、真阴性等的概念对我来说更有意义。对于您的情况，我不确定 TP、FP 是什么意思。您可以将 TP 视为对角线元素的总和，但我不确定。您可以假设一个分类为正而所有其他分类为负来计算 TP、FP 等，但我再次不确定。
您确定没有切换 FP 和 FN 位置吗？我以为应该是[TP, FN],[FP, TN]。这也是***页面上显示的内容。
@ChrisNielsen 是的，它已被切换 - 我已将答案编辑为正确【参考方案5】：
从混淆矩阵中获得真正的正数等的唯一方法是ravel它：
from sklearn.metrics import confusion_matrix
y_true = [1, 1, 0, 0]
y_pred = [1, 0, 1, 0]
tn, fp, fn, tp = confusion_matrix(y_true, y_pred, labels=[0, 1]).ravel()
print(tn, fp, fn, tp) # 1 1 1 1
应该设置labels 参数以防数据仅包含一个案例，例如只有真正的肯定。正确设置 labels 可确保混淆矩阵具有 2x2 形状。
【讨论】：
如果一组中只有值，这将导致“ValueError: not enough values to unpack (expected 4, got 1)”。 这似乎令人惊讶 - 你的混淆矩阵是什么样的？这可能是一个有趣的边缘情况（真实值仅代表 1 个类别）。只要有标签= 1的真实值，我认为混淆矩阵将是2x2。 @Hagbard 我更新了答案，这样当数据中只有一个案例时它也应该起作用。【参考方案6】：在 scikit-learn 'metrics' 库中，有一个confusion_matrix 方法可以为您提供所需的输出。
您可以使用任何您想要的分类器。这里我以 KNeighbors 为例。
from sklearn import metrics, neighbors
clf = neighbors.KNeighborsClassifier()
X_test = ...
y_test = ...
expected = y_test
predicted = clf.predict(X_test)
conf_matrix = metrics.confusion_matrix(expected, predicted)
>>> print conf_matrix
>>> [[1403 87]
[ 56 3159]]
文档：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html#sklearn.metrics.confusion_matrix
【讨论】：
迄今为止最简洁的回复【参考方案7】：我编写了一个仅使用 numpy 工作的版本。 希望对你有帮助。
import numpy as np
def perf_metrics_2X2(yobs, yhat):
"""
Returns the specificity, sensitivity, positive predictive value, and
negative predictive value
of a 2X2 table.
where:
0 = negative case
1 = positive case
Parameters
----------
yobs : array of positive and negative ``observed`` cases
yhat : array of positive and negative ``predicted`` cases
Returns
-------
sensitivity = TP / (TP+FN)
specificity = TN / (TN+FP)
pos_pred_val = TP/ (TP+FP)
neg_pred_val = TN/ (TN+FN)
Author: Julio Cardenas-Rodriguez
"""
TP = np.sum( yobs[yobs==1] == yhat[yobs==1] )
TN = np.sum( yobs[yobs==0] == yhat[yobs==0] )
FP = np.sum( yobs[yobs==1] == yhat[yobs==0] )
FN = np.sum( yobs[yobs==0] == yhat[yobs==1] )
sensitivity = TP / (TP+FN)
specificity = TN / (TN+FP)
pos_pred_val = TP/ (TP+FP)
neg_pred_val = TN/ (TN+FN)
return sensitivity, specificity, pos_pred_val, neg_pred_val
【讨论】：
【参考方案8】：以防万一有人在 MULTI-CLASS 示例中寻找相同的内容
def perf_measure(y_actual, y_pred):
class_id = set(y_actual).union(set(y_pred))
TP = []
FP = []
TN = []
FN = []
for index ,_id in enumerate(class_id):
TP.append(0)
FP.append(0)
TN.append(0)
FN.append(0)
for i in range(len(y_pred)):
if y_actual[i] == y_pred[i] == _id:
TP[index] += 1
if y_pred[i] == _id and y_actual[i] != y_pred[i]:
FP[index] += 1
if y_actual[i] == y_pred[i] != _id:
TN[index] += 1
if y_pred[i] != _id and y_actual[i] != y_pred[i]:
FN[index] += 1
return class_id,TP, FP, TN, FN
【讨论】：
【参考方案9】：在 scikit 0.22 版本中，你可以这样做
from sklearn.metrics import multilabel_confusion_matrix
y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
mcm = multilabel_confusion_matrix(y_true, y_pred,labels=["ant", "bird", "cat"])
tn = mcm[:, 0, 0]
tp = mcm[:, 1, 1]
fn = mcm[:, 1, 0]
fp = mcm[:, 0, 1]
【讨论】：
【参考方案10】：你可以试试sklearn.metrics.classification_report如下：
import sklearn
y_true = [1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0]
y_pred = [1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 0]
print sklearn.metrics.classification_report(y_true, y_pred)
输出：
precision recall f1-score support
0 0.80 0.57 0.67 7
1 0.50 0.75 0.60 4
avg / total 0.69 0.64 0.64 11
【讨论】：
【参考方案11】：如果您的分类器中有多个类，您可能希望在该部分使用 pandas-ml。 pandas-ml 的混淆矩阵给出了更详细的信息。 check that
【讨论】：
【参考方案12】：我认为这两个答案都不完全正确。例如，假设我们有以下数组； y_actual = [1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0]
y_predic = [1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 0]
如果我们手动计算 FP、FN、TP 和 TN 值，它们应该如下：
FP：3 前锋：1 TP：3 总成绩：4
但是，如果我们使用第一个答案，结果如下：
FP：1 前锋：3 TP：3 总成绩：4
它们不正确，因为在第一个答案中，False Positive 应该是实际为 0，但预测为 1，而不是相反。假阴性也一样。
如果我们使用第二个答案，结果计算如下：
FP：3 前锋：1 TP：4 总成绩：3
真正数和真负数不正确，应该相反。
我的计算是否正确？如果我遗漏了什么，请告诉我。
【讨论】：
我认为这个问题的最佳答案是这个：***.com/questions/31345724/… 我为这个愚蠢的问题道歉，但是scikit的混淆矩阵的真实位置如下？顶行TN | FP 和底行FN | TP？我一直在试图弄清楚哪个是哪个。也许文档也可以为像我这样的白痴编写？ :-)【参考方案13】：
#False positive cases
train = pd.merge(X_train, y_train,left_index=True, right_index=True)
y_train_pred = pd.DataFrame(y_train_pred)
y_train_pred.rename(columns=0 :'Predicted', inplace=True )
train = train.reset_index(drop=True).merge(y_train_pred.reset_index(drop=True),
left_index=True,right_index=True)
train['FP'] = np.where((train['Banknote']=="Forged") & (train['Predicted']=="Genuine"),1,0)
train[train.FP != 0]
【讨论】：
print("Genuine : Forged") print(quizData['Banknote'].value_counts()['Genuine'], ":", quizData['Banknote'].value_counts()['伪造'])【参考方案14】：def getTPFPTNFN(y_true, y_pred):
TP, FP, TN, FN = 0, 0, 0, 0
for s_true, s_pred in zip (y_true, y_pred):
if s_true == 1:
if s_pred == 1:
TP += 1
else:
FN += 1
else:
if s_pred == 0:
TN += 1
else:
FP += 1
return TP, FP, TN, FN
【讨论】：
【参考方案15】：这很好 来源 - https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html
tn, fp, fn, tp = confusion_matrix(y_test, predicted).ravel()
【讨论】：
【参考方案16】：#FalseNegatives
test = pd.merge(Variables_test, Banknote_test,left_index=True, right_index=True)
Banknote_test_pred = pd.DataFrame(banknote_test_pred)
Banknote_test_pred.rename(columns=0 :'Predicted', inplace=True )
test = test.reset_index(drop=True).merge(Banknote_test_pred.reset_index(drop=True), left_index=True, right_index=True)
test['FN'] = np.where((test['Banknote']=="Genuine") & (test['Predicted']=="Forged"),1,0)
test[test.FN != 0]
【讨论】：
gen = quizData["Banknote"].value_counts()["Genuine"] forg = quizData["Banknote"].value_counts()["Forged"] print("'Genuine'的比例' : '伪造'钞票是", gen/forg) # quizData["Banknote"].value_counts() 真品 = 0 forged = 0 for i in range(len(quizData)): if quizData.loc[i]["Banknote"] == "Genuine": 真品 += 1 else: forged += 1 print("'Genuine' : 'Forged' 钞票的比例是", true/forged) 请不要将代码添加为注释，因为它很难阅读/使用。如果您有其他代码要添加到答案中，请单击答案下方的edit 并将其直接添加到答案中。【参考方案17】：到目前为止，没有一个答案对我有用，因为我有时最终会得到一个只有一个条目的混淆矩阵。以下代码能够缓解此问题：
from sklearn.metrics import confusion_matrix
CM = confusion_matrix(y, y_hat)
try:
TN = CM[0][0]
except IndexError:
TN = 0
try:
FN = CM[1][0]
except IndexError:
FN = 0
try:
TP = CM[1][1]
except IndexError:
TP = 0
try:
FP = CM[0][1]
except IndexError:
FP = 0
请注意，“y”是groundtruth，“y_hat”是预测。
【讨论】：
【参考方案18】：我已经尝试了一些答案，但发现它们不起作用。
这对我有用：
from sklearn.metrics import classification_report
print(classification_report(y_test, predicted))
【讨论】：
这不会显示 TP、FP、TN、FN 的数量。提问者想要什么。【参考方案19】：这里是调用theshell 的错误代码的修复程序（当前显示为已接受的答案）：
def performance_measure(y_actual, y_hat):
TP = 0
FP = 0
TN = 0
FN = 0
for i in range(len(y_hat)):
if y_actual[i] == y_hat[i]==1:
TP += 1
if y_hat[i] == 1 and y_actual[i] == 0:
FP += 1
if y_hat[i] == y_actual[i] == 0:
TN +=1
if y_hat[i] == 0 and y_actual[i] == 1:
FN +=1
return(TP, FP, TN, FN)
【讨论】：
以上是关于Scikit-learn：如何获得真阳性、真阴性、假阳性和假阴性的主要内容，如果未能解决你的问题，请参考以下文章