python实现混淆矩阵(numpy)

这篇具有很好参考价值的文章主要介绍了python实现混淆矩阵(numpy)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

n u m p y 实现混淆矩阵( p y t h o n ) numpy实现混淆矩阵(python) numpy实现混淆矩阵(python)


假设有A、B、C、D、E五个类别


一 确定输出和标签

import numpy as np
y_true = ["A"]*20 + ["B"]*20 + ["C"]*20 + ["D"]*20 + ["E"]*20
len(y_true)

python 混淆矩阵,python,numpy,矩阵

y_true

python 混淆矩阵,python,numpy,矩阵

y_pred =["D"]*5+ ["A"]*30 + ["B"]*15 + ["C"]*25 + ["D"]*20 + ["E"]*5
len(y_pred)
y_pred

二 初始化混淆矩阵

# 初始化混淆矩阵
classes_num = 5
confusion_matrix = np.zeros((classes_num,classes_num))
confusion_matrix

python 混淆矩阵,python,numpy,矩阵

三 计算混淆矩阵思路:同时遍历所有pred和label,发现属于混淆矩阵哪一个位置,哪一个位置就+1

step1:将pred和label进行一对一组合
list_pred_label = []
for i in range(len(y_pred)):
  list_pred_label.append([y_pred[i],y_true[i]])
print(list_pred_label)

python 混淆矩阵,python,numpy,矩阵

Step2:遍历list_pred_label,将其中的类别转为混淆矩阵索引(A:0,B:1,C:2,D:3,E:4)
for i in list_pred_label:
  if i[0] == "A":
    i[0] = 0
  elif i[0] == "B":
    i[0] = 1
  elif i[0] == "C":
    i[0] = 2
  elif i[0] == "D":
    i[0] = 3  
  elif i[0] == "E":
    i[0] = 4  
  if i[1] == "A":
    i[1] = 0
  elif i[1] == "B":
    i[1] = 1
  elif i[1] == "C":
    i[1] = 2
  elif i[1] == "D":
    i[1] = 3  
  elif i[1] == "E":
    i[1] = 4  
print(list_pred_label)

python 混淆矩阵,python,numpy,矩阵

step3:对混淆矩阵进行赋值
for i in list_pred_label:
  confusion_matrix[i[0],i[1]] += 1
print(confusion_matrix)

python 混淆矩阵,python,numpy,矩阵文章来源地址https://www.toymoban.com/news/detail-517373.html

到了这里,关于python实现混淆矩阵(numpy)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 利用python绘制混淆矩阵

    利用python绘制混淆矩阵,直接附代码。 简单理解混淆矩阵的元素含义,例如下面第一行第二个的“3”表示实际标签为类别0的预测成类别1的有3个样本。 附效果图: 如果需要切换不同的颜色,如:

    2024年02月16日
    浏览(49)
  • Python数据分析:混淆矩阵

    【小白从小学Python、C、Java】 【Python全国计算机等级考试】 【Python数据分析考试必会题】 ● 标题与摘要 Python数据分析 混淆矩阵 ● 选择题 以下关于混淆矩阵说法错误的是: A TP是被正确分类的正例个数 B FN是被错误分类的正例个数 C 主对角元素是不同类别样例被正确分类的

    2023年04月08日
    浏览(42)
  • 绘制混淆矩阵(MatLab/Python)

    本文主要简单介绍如何绘制混淆矩阵       首先混淆矩阵是机器学习中总结分类模型预测结果的情形分析表,以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。         其实混淆矩阵就是用来判断我们的算法的分类准确度的一个可

    2024年02月08日
    浏览(37)
  • 【论文必用】Python绘制混淆矩阵

      混淆矩阵的每一列代表了预测类别, 每一列的总数表示预测为该类别的数据的数目 ;每一行代表了数据的真实归属类别, 每一行的数据总数表示该类别的数据实例的数目 。每一列中的数值表示真实数据被预测为该类的数目。   以下图为例,第一行的数值总和为2+0+

    2023年04月24日
    浏览(54)
  • Python手动输入混淆矩阵,并计算混淆矩阵的准确率、精确率、召回率、特异度、F1-score

    其中json格式的文件如下: {     \\\"0\\\": \\\"13\\\",     \\\"1\\\": \\\"18\\\",     \\\"2\\\": \\\"23\\\",     \\\"3\\\": \\\"28\\\",     \\\"4\\\": \\\"33\\\" } 可以按照以上格式(以5分类为例),先写在记事本上再更改后缀名 *注意最后一个后面没有 “,”  没有扩展名的看下面这个图给它调出来↓ 代码部分参考如下:  参考文献:使用

    2024年02月13日
    浏览(55)
  • 详细讲解分类模型评价指标(混淆矩阵)python示例

    对于回归模型的评估方法,通常会采用平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)等方法。 对于聚类模型的评估方法,较为常见的一种方法为轮廓系数(Silhouette Coefficient ),该方法从内聚度和分离度两个方面入手,用以评价相同数据基础上不同聚类

    2024年02月06日
    浏览(56)
  • Python绘图制作混淆矩阵图--简易版(改矩阵参数就能运行)

     需要改的参数只有两个①你的类别数②混淆矩阵的数。运行结果如图所示。 当然,不喜欢蓝色也可以换颜色,如把代码中的Blues换成Reds等  是不是超级简单好用哈哈哈

    2024年02月12日
    浏览(29)
  • 使用Python绘制混淆矩阵Confusion Matrix、自定义样式

    使用Python绘制混淆矩阵,原创,直接使用即可,样式可以自由变换。 混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度。 直接上原创代

    2024年02月11日
    浏览(46)
  • ROS系列——使用python的transforms3d、numpy库实现四元数、旋转矩阵、欧拉角、轴角等的相互转换

    pip3 install transforms3d 四元数模块在transforms3d.quaternions里,直接导入即可使用 2.1.1四元数转旋转矩阵 2.1.2 旋转矩阵转四元数 2.2.1 四元数转轴角 2.2.2 轴角转四元数 四元数模块在transforms3d.euler里,直接导入即可使用 3.1.1 固定轴欧拉角转四元数 3.1.2 四元数转固定轴欧拉角 3.2.1 固定

    2024年02月07日
    浏览(93)
  • 【机器学习】分类器性能度量——混淆矩阵及sklearn实现

    记录一下混淆矩阵的学习心得,不写下来老是容易搞混.. 机器学习中,考量二分类问题的分类器性能时,可以将样本的实际类别与分类器预测类别,划分为如下 TN, FP, FN, TP 四种结果,组合起来就是大名鼎鼎的 confusion matrix 混淆矩阵。其中: True,False 表示预测结果与实际分类

    2024年02月10日
    浏览(58)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包