我無法解釋我的混淆矩陣。我遇到了低于價值的錯誤。ValueError：不支持多標簽指示器閱讀大量帖子后，我意識到該問題可能是由于預測中的OHE（一種熱門編碼）造成的。因此，為了解決這個問題，我按照各種帖子中的建議使用了 argmax() 。下面是我的代碼：from sklearn.metrics import confusion_matrixprint(Y.shape)print(predictions.shape)print(Y)print(predictions)# print(confusion_matrix(Y, predictions))print(confusion_matrix(Y.argmax(axis = 1), predictions.argmax(axis = 1)))(1, 200)(1, 200)[[1 1 0 0 1 1 0 1 0 0 1 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1 0 1 0 1 0 0 1 1 1 0 0 1 0 1 0 1 0 0 1 0 1 0 0 0 1 0 1 1 0 0 1 0 1 0 1 0 1 0 0 1 1 1 0 0 0 1 0 1 0 1 0 0 0 1 1 0 0 0 0 0 1 0 0 1 1 0 0 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 0 0 0 1 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 0 0 0 1 1 0 1 1 1 1 1 1 0 0 0 1 1 1 0 1 0 1 0 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 1 0 0 1 0 1 0 1 0 1 0 1 0 1 0 0 1 1 0]][[1 1 0 0 1 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0 1 1 1 1 0 1 0 1 0 1 0 0 1 1 0 0 0 1 0 1 0 1 0 0 1 0 0 0 0 0 0 0 1 1 0 0 1 0 1 0 1 1 1 0 1 1 1 1 1 0 0 1 0 1 0 1 0 0 0 1 1 0 0 0 0 1 0 0 1 1 1 0 0 1 1 0 1 0 1 1 0 1 0 0 1 1 1 1 0 0 0 1 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 1 1 0 1 1 0 0 0 1 1 0 0 0 0 0 0 0 1 1 0 0 1 1 1 1 1 1 1 0 0 0 1 0 1 1 1 0 1 0 0 1 1 1 1 1 0 1 1 1 1 0 0 1 0 0 1 0 1 1 1 0 1 0 1 0 1 0 0 1 1 1]][[1]]從輸出中可以看出，我得到的[[1]]是混淆矩陣。我不知道如何解釋它。我期待一個 2x2 混淆矩陣，然后我會繼續計算精度、召回率、F1 分數等，以了解我的模型的性能。請建議我做錯了什么？
2 回答
蕪湖不蕪
TA貢獻1796條經驗 獲得超7個贊
IIUC 的問題在于輸入數組的形狀。你需要先把它們壓平。這是重現您的案例的示例：
from sklearn.metrics import confusion_matrix
Y = np.random.choice([0,1],size=(1,10))
pred = np.random.choice([0,1],size=(1,10))
由于兩個數組都是二維的，如您的示例所示，confusion_matrix因此解釋您具有多標簽輸出，但它不支持：
confusion_matrix(Y, pred)
ValueError: multilabel-indicator is not supported
您需要展平兩個數組：
confusion_matrix(Y.ravel(), pred.ravel())
一只斗牛犬
TA貢獻1784條經驗 獲得超2個贊
考慮到其他信息，輸出是正確的。由于 Y 形狀為 (1,200)，這表明您有 1 個樣本，其中有 200 個類。當你對此執行 argmax() 時，你將得到大小為 (1,1) 的輸出?；煜仃嚨拇笮?(n_classes, n_classes)。由于只有一個樣本，因此混淆矩陣的大小將為 (1,1)。
為了解決這個問題，要么您需要傳遞多個樣本，要么確保 argmax 正在執行預期的操作（即您確定輸出是 OHE）？如果您的輸出不是 OHE，那么您只需在獲得混淆矩陣之前重新調整預測即可。
from sklearn.metrics import confusion_matrix
Y = np.squeeze(Y) #should result in shape (200,)
predictions = np.squeeze(predictions) #should result in shape (200,)
cf = confusion_matrix(Y, predictions) #should result in shape (2, 2) if 2 classes
添加回答
舉報
0/150
提交
取消