Python 将Iris数据集目标名称应用于混淆矩阵
晚上好,我已经完成了虹膜数据集的KNN分类器方法,我可以显示所有代码,但我认为发布完整代码并不重要,我唯一不了解的一个片段是如何将虹膜目标名称分配给混淆矩阵?这是混淆矩阵Python 将Iris数据集目标名称应用于混淆矩阵,python,confusion-matrix,Python,Confusion Matrix,晚上好,我已经完成了虹膜数据集的KNN分类器方法,我可以显示所有代码,但我认为发布完整代码并不重要,我唯一不了解的一个片段是如何将虹膜目标名称分配给混淆矩阵?这是混淆矩阵 from sklearn.metrics import confusion_matrix print(confusion_matrix(y_test, prediction)) 它返回矩阵 [[13 0 0] [ 0 15 1] [ 0 0 9]] 我在网上搜索过 我知道还有其他的参数标签,所以我试过了 fr
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, prediction))
它返回矩阵
[[13 0 0]
[ 0 15 1]
[ 0 0 9]]
我在网上搜索过
我知道还有其他的参数标签,所以我试过了
from sklearn.metrics import confusion_matrix
class_names =iris_dataset["target_names"]
print(confusion_matrix(y_test, prediction,labels=class_names))
但我犯了以下错误:
ValueError: At least one label specified must be in y_true
请帮助我如何修复它?我几个月前去过那里,这里有一段代码,请尝试根据您的需要调整它;) original是原始数据集iris数据集 预测是对分类的预测 我希望这对你有帮助
from sklearn.metrics import confusion_matrix
from mlxtend.plotting import plot_confusion_matrix
myarray = np.asarray(original)
matrix = confusion_matrix((myarray),(predictions+1))
class_names = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica']
fig, ax = plot_confusion_matrix(conf_mat=matrix,
show_absolute=True,
show_normed=False,
colorbar=True,
class_names=class_names)
plt.title('Confusion Matrix')
plt.show()
谢谢你,我也曾尝试过,谢谢你帮助我,这已经解决了,但是为了个人的尊重,我会赞成和接受你的时间是如此的宝贵,你认为时间就是金钱,那么没有义务回答某人,我在R语言上有一些困难并试图帮助她,当我发帖时,没有人回复我,所以我对这个网站失去了希望