在 Keras 中进行预测后无法创建混淆矩阵 - 无法处理多标签指示符的混合 [重复]

Posted 2023-03-12

【中文标题】在 Keras 中进行预测后无法创建混淆矩阵 - 无法处理多标签指示符的混合 [重复]

【英文标题】：Unable to create confusion matrix after prediction in Keras - Can't handle a mix of multilabel-indicator [duplicate]

【发布时间】：2021-05-03 20:43:16

【问题描述】：

我想用混淆矩阵评估我的 Keras 模型。但是，我无法让它工作，因为我总是遇到同样的错误：

ValueError: Classification metrics can't handle a mix of multilabel-indicator and continuous-multioutput targets

我在看这个问题：

confusion matrix error "Classification metrics can't handle a mix of multilabel-indicator and multiclass targets"

我试图模仿一切，但它不起作用。我认为情况并非如此。

这是我的代码：

validationTweets = validation.content.tolist() #data for validation
validation_features = vectorizerCV.transform(validationTweets) #vectorizing data for validation

prediction = model.predict(validation_features , batch_size=32) # making prediction

realLabels = validation.sentiment # true labels/classes (STRING VALUES)
realLabels = np.asarray(realLabels.factorize()[0]) # converting them to categorical
realLabels = to_categorical(realLabels, num_classes = 3) # converting them to categorical

print('true labels type', type(realLabels))  #<class 'numpy.ndarray'>
print('true labels shape',realLabels.shape)  # (5000, 3)

print('prediction type', type(prediction))  #<class 'numpy.ndarray'>
print('prediction shape', prediction.shape) #(5000, 3)


matrix = confusion_matrix(realLabels, prediction)

这就是我的真实标签的样子：

[[1. 0. 0.]
 [1. 0. 0.]
 [0. 1. 0.]
 ...
 [0. 1. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

这是我的预测的样子：

[[8.6341507e-04 6.8435425e-01 3.1478229e-01]
 [8.4774427e-02 7.8772342e-01 1.2750208e-01]
 [4.3412593e-01 5.0705791e-01 5.8816209e-02]
 ...
 [9.1305929e-01 6.6390157e-02 2.0550590e-02]
 [8.2271063e-01 1.5146920e-01 2.5820155e-02]
 [1.7649201e-01 7.2304797e-01 1.0045998e-01]]

我试过这个：

prediction = [np.round(p, 0) for p in prediction]

ERROR: multilabel-indicator is not supported

我也试过这个：

prediction = prediction.argmax(axis = 1) # shape is (5000,)

ERROR:    ValueError: Classification metrics can't handle a mix of multilabel-indicator and continuous-multioutput targets

但我遇到了同样的错误。

【问题讨论】：

尝试使用 predictions = prediction.argmax(axis = 1)，然后将预测传递给 cm。我假设它们是 softmax 输出。

不起作用，我得到同样的错误，预测的新形状是 (5000,)

【参考方案1】：

我对 Keras confusion_matrix 不是很熟悉，但四舍五入的预测不适用于多类。对于每个样本，您需要采用概率最高的预测类别，并使该条目在您的预测中等于 1。例如：

pred = np.array([0.3, 0.3, 0.4])
rounded = np.round(pred) # Gives [0, 0, 0]
most_likely = np.zeros(3)
most_likely[pred >= np.max(pred)] = 1 # Gives [0,0,1]