Pandas 如何将混淆矩阵映射回初始数据的分类特征？
我想将二进制分类的混淆矩阵“拉伸”到初始数据中的某个分类变量。可能吗 我拥有的：预测潜艇（1=潜艇/0=无潜艇） 我需要的是：我根据不同的定价点（0.99、2.99、3.99、4.99等）和一些其他数据预测了SUB。现在我想看看这些不同定价点的混淆矩阵。 我还没有找到一个解决方案，可以把困惑“延伸”到这个分类列。 有没有办法用一种聪明的方式来代替手工操作？ 我最初的想法是这样的：Pandas 如何将混淆矩阵映射回初始数据的分类特征？,pandas,dataframe,confusion-matrix,Pandas,Dataframe,Confusion Matrix,我想将二进制分类的混淆矩阵“拉伸”到初始数据中的某个分类变量。可能吗 我拥有的：预测潜艇（1=潜艇/0=无潜艇） 我需要的是：我根据不同的定价点（0.99、2.99、3.99、4.99等）和一些其他数据预测了SUB。现在我想看看这些不同定价点的混淆矩阵。 我还没有找到一个解决方案，可以把困惑“延伸”到这个分类列。 有没有办法用一种聪明的方式来代替手工操作？ 我最初的想法是这样的： class\u name=X\u test.prices.unique（） [0.99 2.99 3.99等] 然后
class\u name=X\u test.prices.unique（）plot\u composition\u矩阵（分类器、X\u测试、y\u测试、显示标签=类别名称）