multilabel_confusion_matrix

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

Вычисление матрицы неточностей для каждого класса или примера.

Добавлена в версии 0.21.

Вычисление матрицы неточностей многозначного классификатора (по умолчанию) или по каждому образцу (samplewise=True) для оценки точности классификации и вывода матриц неточностей для каждого класса или образца.

В матрице неточностей многозначной классификации \(MCM\), количество истинных отрицательных результатов равно \(MCM_{:,0,0}\), ложноотрицательных результатов равно \(MCM_{:,1,0}\), истинных положительных результатов равно \(MCM_{:,1,1}\) и ложноположительных результатов равно \(MCM_{:,0,1}\).

Данные многоклассовой классификации будут обрабатываться так, как если бы они были бинарными с преобразованием один-против-всех. Возвращаемые матрицы неточностей будут в порядке отсортированных уникальных меток в объединении (y_true, y_pred).

Подробнее см. в Руководстве пользователя.

Parameters:

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

Целевые значения (правильные) целевых значений.

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

Оценённые целевые значения, полученные от классификатора.

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

Веса выборок.

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

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

samplewisebool, default=False

В случае многозначной классификации это вычисляет матрицу неточностей по каждому образцу.

Returns:

multi_confusionndarray of shape (n_outputs, 2, 2)

Матрица неточностей 2x2, соответствующая каждому выходу на входе. При вычислении матрицы неточностей по классам (по умолчанию), тогда n_outputs = n_labels; при вычислении матрицы неточностей по образцу (samplewise=True), n_outputs = n_samples. Если labels определено, результаты будут возвращены в порядке, указанном в labels, в противном случае результаты будут возвращены в порядке сортировки по умолчанию.

См. также

confusion_matrix

Вычисление матрицы неточностей для оценки точности классификатора.

Примечания

Функция multilabel_confusion_matrix вычисляет матрицы неточностей по классам или по образцам, а в задачах многоклассовой классификации метки бинаризуются способом один-против-всех; в то время как confusion_matrix вычисляет одну матрицу неточностей для неточностей между каждыми двумя классами.

Примеры

Случай многозначного индикатора:

>>> 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 многоклассовой классификации:

>>> 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]]])