python表格混淆矩阵
在我的sklearn逻辑回归模型中,我使用metrics.conflusion\u matrix命令获得了一个混淆矩阵。数组看起来像这样python表格混淆矩阵,python,scikit-learn,tabular,confusion-matrix,Python,Scikit Learn,Tabular,Confusion Matrix,在我的sklearn逻辑回归模型中,我使用metrics.conflusion\u matrix命令获得了一个混淆矩阵。数组看起来像这样 array([[51, 0], [26, 0]]) 忽略模型做得很糟糕这一事实,我试图理解以非常好的方式将这个矩阵制成表格的最佳方式是什么 我正在尝试使用该代码,该代码部分对我有效 print tabulate(cm,headers=['Pred True', 'Pred False']) 因为它给出了输出 Pred True Pre
array([[51, 0],
[26, 0]])
忽略模型做得很糟糕这一事实,我试图理解以非常好的方式将这个矩阵制成表格的最佳方式是什么
我正在尝试使用该代码,该代码部分对我有效
print tabulate(cm,headers=['Pred True', 'Pred False'])
因为它给出了输出
Pred True Pred False
----------- ------------
51 0
26 0
编辑
要插入行名,我意识到插入元素而不是zip会有所帮助
cm_list=cm.tolist()
cm_list[0].insert(0,'Real True')
cm_list[1].insert(0,'Real False')
print tabulate(cm_list,headers=['Real/Pred','Pred True', 'Pred False'])
正如它所给
Real/Pred Pred True Pred False
----------- ----------- ------------
Real True 51 0
Real False 26 0
然而,我仍然想知道是否有一个更快或替代的方式美化混乱矩阵。我在网上找到了一些绘图示例,但我不需要这些
谢谢,您是否考虑过创建一个图形而不是表格?改编一些代码,从一个你可以得到一个体面的形象,这表明你想要什么
import numpy as np
from matplotlib import pyplot as plt
def plot_confusion_matrix(cm, target_names, title='Confusion matrix', cmap=plt.cm.Blues):
plt.imshow(cm, interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks = np.arange(len(target_names))
plt.xticks(tick_marks, target_names, rotation=45)
plt.yticks(tick_marks, target_names)
plt.tight_layout()
width, height = cm.shape
for x in xrange(width):
for y in xrange(height):
plt.annotate(str(cm[x][y]), xy=(y, x),
horizontalalignment='center',
verticalalignment='center')
plt.ylabel('True label')
plt.xlabel('Predicted label')
cm = np.array([[13, 0, 0],[ 0, 10, 6],[ 0, 0, 9]])
plot_confusion_matrix(cm, ['A', 'B', 'C'])
nltk库包含一个混乱矩阵,该矩阵使用简单,产生的输出比scikit learn更好:
from nltk import ConfusionMatrix
print(ConfusionMatrix(list(y_true_values), list(y_predicted_values)))
您可以看到一个输出示例。请注意,我在list函数中包装了y_true_值和y_predicted_值,因为ConversionMatrix需要Python列表,而不是scikit learn输出的NumPy数组
另外,MLXTACK库包含一个函数来绘制混淆矩阵,记录下来。
看起来不错,是的,我确实考虑过了,但我只是认为这是对我的需要的过度处理。然而,你的情节要清晰得多,方框中数字的出现使它成为一个吸引人的替代品。啊,很抱歉,我没意识到你看过这个。我总是喜欢直观的表示,它的伸缩性比一张有大量标签的表格要好得多。