multilabel_confusion_matrix

sklearn.metrics.multilabel_confusion_matrix(y_true, y_pred, *, sample_weight=None, labels=None, samplewise=False)[source]

Вычисляет матрицу ошибок для каждого класса или образца.

Добавлено в версии 0.21.

Вычисляет матрицу ошибок для каждого класса (по умолчанию) или образца (samplewise=True) в задаче с несколькими метками, чтобы оценить точность классификации, и выводит матрицы ошибок для каждого класса или образца.

В матрице ошибок для нескольких меток \(MCM\) количество истинно отрицательных результатов равно \(MCM_{:,0,0}\), ложноотрицательных — \(MCM_{:,1,0}\), истинно положительных — \(MCM_{:,1,1}\), а ложноположительных — \(MCM_{:,0,1}\).

Данные с несколькими классами будут обработаны так, как если бы они были бинаризованы с помощью преобразования «один против остальных». Возвращаемые матрицы ошибок будут упорядочены по отсортированным уникальным меткам из объединения (y_true, y_pred).

Подробнее см. в руководстве пользователя.

Параметры:

y_true{array-like, sparse matrix} of shape (n_samples, n_outputs) or (n_samples,)

Истинные (правильные) целевые значения. Разреженная матрица поддерживается только в том случае, если метки имеют тип с несколькими метками.

y_pred{array-like, sparse matrix} of shape (n_samples, n_outputs) or (n_samples,)

Оцененные целевые значения, возвращаемые классификатором. Разреженная матрица поддерживается только в том случае, если метки имеют тип с несколькими метками.

sample_weightarray-like of shape (n_samples,), default=None

Веса образцов.

labelsarray-like of shape (n_classes,), default=None

Список классов или индексов столбцов для выбора некоторых классов (или принудительного включения классов, отсутствующих в данных).

samplewisebool, default=False

В случае нескольких меток этот параметр вычисляет матрицу ошибок для каждого образца.

Возвращает:

multi_confusionndarray of shape (n_outputs, 2, 2)

Матрица ошибок 2x2 для каждого выхода входных данных. При вычислении матриц ошибок для каждого класса (по умолчанию) n_outputs = n_labels; при вычислении матриц ошибок для каждого образца (samplewise=True) n_outputs = n_samples. Если задан labels, результаты возвращаются в порядке, указанном в labels; в противном случае по умолчанию результаты возвращаются в отсортированном порядке.

См. также

confusion_matrix

Вычисляет матрицу ошибок для оценки точности классификатора.

Примечания

Функция multilabel_confusion_matrix вычисляет матрицы ошибок для каждого класса или образца в задаче с несколькими метками, а в задачах с несколькими классами метки бинаризуются по схеме «один против остальных»; тогда как confusion_matrix вычисляет одну матрицу ошибок для каждой пары классов.

Примеры

Случай индикатора нескольких меток:

>>> import numpy as np
>>> from sklearn.metrics import multilabel_confusion_matrix
>>> y_true = np.array([[1, 0, 1],
...                    [0, 1, 0]])
>>> y_pred = np.array([[1, 0, 0],
...                    [0, 1, 1]])
>>> multilabel_confusion_matrix(y_true, y_pred)
array([[[1, 0],
        [0, 1]],

       [[1, 0],
        [0, 1]],

       [[0, 1],
        [1, 0]]])

Случай нескольких классов:

>>> y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
>>> y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
>>> multilabel_confusion_matrix(y_true, y_pred,
...                             labels=["ant", "bird", "cat"])
array([[[3, 1],
        [0, 2]],

       [[5, 0],
        [1, 0]],

       [[2, 1],
        [1, 2]]])