如何知道 scikit-learn 混淆矩阵标签顺序并更改它

Question

27个类存在多分类问题。

y_predict=[0 0 0 20 26 21 21 26 ....]

y_true=[1 10 10 20 26 21 18 26 ...]  

名为“answer_vocabulary”的列表存储了每个索引对应的 27 个单词。 answer_vocabulary=[0 1 10 11 2 3 农商东住北.....]

cm = 混淆矩阵（y_true=y_true, y_pred=y_predict）

我对混淆矩阵的顺序感到困惑。它是按升序排列的吗？如果我想用标签序列= [0 1 2 3 10 11农业商业生活东北...]重新排序混淆矩阵，我该如何实现它？

这是我尝试绘制混淆矩阵的函数。

def plot_confusion_matrix(cm, classes,
                        normalize=False,
                        title='Confusion matrix',
                        cmap=plt.cm.Blues):
    """
    This function prints and plots the confusion matrix.
    Normalization can be applied by setting `normalize=True`.
    """
    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)

    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        print("Normalized confusion matrix")
    else:
        print('Confusion matrix, without normalization')

    print(cm)

    thresh = cm.max() / 2.
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, cm[i, j],
            horizontalalignment="center",
            color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')

Answer 1

来自 sklearn 的混淆矩阵不存储有关如何创建矩阵的信息（类排序和规范化）：这意味着 您必须在创建后立即使用混淆矩阵 否则信息将丢失。

默认情况下，sklearn.metrics.confusion_matrix(y_true,y_pred) 按照类在 y_true 中出现的顺序创建矩阵。

如果您将此数据传递给 sklearn.metrix.confusion_matrix：

+--------+--------+
| y_true | y_pred |
+--------+--------+
| A      | B      |
| C      | C      |
| D      | B      |
| B      | A      |
+--------+--------+

Scikit-leart 将创建这个混淆矩阵（省略零）：

+-----------+---+---+---+---+
| true\pred | A | C | D | B | 
+-----------+---+---+---+---+
| A         |   |   |   | 1 |
| C         |   | 1 |   |   |
| D         |   |   |   | 1 |
| B         | 1 |   |   |   |
+-----------+---+---+---+---+

它会返回这个 numpy 矩阵给你：

+---+---+---+---+
| 0 | 0 | 0 | 1 |
| 0 | 0 | 1 | 0 |
| 0 | 0 | 0 | 1 |
| 1 | 0 | 0 | 0 |
+---+---+---+---+

如果您想选择类或重新排序它们，您可以将“标签”参数传递给confusion_matrix()。

重新排序：

labels = ['D','C','B','A']
mat = confusion_matrix(true_y,pred_y, labels=labels)

或者，如果您只想关注一些标签（如果您有很多标签，这很有用）：

labels = ['A','D']
mat = confusion_matrix(true_y,pred_y, labels=labels)

另外，看看sklearn.metrics.plot_confusion_matrix。它适用于小型 (

如果您有 >100 个类，则绘制矩阵需要白色。

Answer 2

生成的混淆矩阵中的列/行的顺序与sklearn.utils.unique_labels() 返回的相同，后者提取“唯一标签的有序数组”。在confusion_matrix()（main, git-hash 7e197fd）的source code中，感兴趣的行如下

if labels is None:
    labels = unique_labels(y_true, y_pred)
else:
    labels = np.asarray(labels)

这里，labels 是 confusion_matrix() 的可选参数，用于自行规定标签的排序/子集：

cm = confusion_matrix(true_y, pred_y, labels=labels)

因此，如果labels = [0, 10, 3]，cm 将具有形状（3,3），行/列可以直接用labels 进行索引。如果你知道熊猫：

import pandas as pd
cm = pd.DataFrame(cm, index=labels, columns=labels)

请注意，unique_labels() 的文档声明不支持混合类型的标签（数字和字符串）。在这种情况下，我建议使用LabelEncoder。这将使您免于维护自己的查找表。

from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
y = encoder.fit_transform(y)

# y have now values between 0 and n_labels-1.
# Do some ops here...
...

# To convert back:
y_pred = encoder.inverse_transform(y_pred)
y = encoder.inverse_transform(y)

正如previous answer 已经提到的，plot_confusion_matrix() 可以方便地可视化混淆矩阵。