Python - 混淆矩阵维度的差异

Question

我有一个关于混淆矩阵的问题。我使用交叉验证将 148 个实例拆分为两个数组 - 测试和训练。比我这样称呼：

def GenerateResult:
   clf = OneVsRestClassifier(GaussianNB())
   clf.fit(x_train, y_train)
   predictions = clf.predict(x_test)
   accuracy = accuracy_score(y_test, predictions)
   confusion_mtrx = confusion_matrix(y_test, predictions)

这是 KFold 的循环 -> 我从上调用函数：

for train_idx, test_idx in pf.split(x_array):
       x_train, x_test = x_array[train_idx], x_array[test_idx]
       y_train, y_test = y_array[train_idx], y_array[test_idx]
       acc, confusion= GenerateResult(x_train, x_test, y_train, y_test)
       results['First'].append(acc)
       confusion_dict['First'].append(confusion)

然后我对结果求和并计算平均值

np_gausian = np.asarray(results['gaussian'])
print("[First] Mean: {}".format(np.mean(np_gausian)))

print(confusion_dict['gaussian'])

我有一个问题。在我的 148 个实例中，我有 4 个输出类，当我将该循环用于 KFold 时，我得到了两个不同的混淆矩阵。 第一个混淆矩阵 3x3：

[[36  1  1]

 [15 17  1]

 [ 0  0  3]]

第二个 4x4 ：

[[ 0  2  0  0]

 [ 0 41  2  0]

 [ 0 12 16  0]

 [ 0  0  1  0]]

我认为我有问题，因为在我的 148 实例中我有

• 1 - 2 类

• 2 类 - 81 个

• 3 级 - 61 次

• 4 - 4 类

• 所有类 - 148

我该怎么办？我怎样才能总结这个混淆矩阵？如果我更改 KFold 中的拆分数量怎么办？我尝试使用 Pandas，但我不知道该怎么做。请帮忙，我用的是sk-learn

Answer 1

正如@KRKirov 在评论中指出的那样，其原因是由于 Kfold 交叉验证将数据拆分为折叠，某些类不存在于该折叠的测试集中。

例如，如果 class1 在y_test 中不存在，并且在predictions 中也没有预测，那么confusion_matrix 代码将自动推断数据中只存在三个类并根据那个。

您可以通过设置labels param 来强制混淆矩阵使用所有类：-

标签：数组，形状 = [n_classes]，可选

List of labels to index the matrix. This may be used to reorder or
select a subset of labels. If none is given, those that appear at
least once in y_true or y_pred are used in sorted order.

通过这样做：

confusion_mtrx = confusion_matrix(y_test, predictions, 
                                 labels = np.unique(y_array))

您需要将 y_array 或唯一标签从 y_array 传递给 GenerateResult() 方法。