Python 混乱矩阵学习错误？

我正在使用

sklearn.metrics.conflusion\u matrix

进行测试，以查看如果在预测数组中存在一个不在标签和映射数组中的类，会发生什么情况。 我的代码是：

from sklearn.metrics import confusion_matrix as cm

a = ["positive\n", "positive\n", "negative\n", "positive\n", "negative\n"]
b = ["negative\n", "negative\n", "don't\n", "negative\n", "negative\n"]
m = ["positive\n", "negative\n"]
c = cm(a, b, m)
TN, FP, FN, TP = c.ravel()

print(c)
print("")
print("{} {} {} {}\n".format(TN, FP, FN, TP))

输出为：

[[0 3]
 [0 1]]

0 3 0 1

因此将跳过类

don

---

---

但是，如果您查看我安装的版本

v0.21.2

，则

ravel（）

方法“应该”输出混淆矩阵的值，如我所写：TN、FP、FN、TP。my

打印的输出不同。似乎ravel（）的真正输出是翻转的：TP、FN、FP、TN。我的想法对吗？
没有bug。您已定义标签：

m = ["positive\n", "negative\n"]

因此，
“正\n”
是负的，
“负\n”
是正的。结果符合您的要求

如果以这种方式修改
m
：

m = ["negative\n", "positive\n"]

您将获得：

1 0 3 0

分别用于
TN、FP、FN、TP
。
因此，在二进制a分类的情况下，映射数组中的第一个类必须是“负”类才能获得正确的
ravel（）
结果，否则我必须交换返回值？但最终结果是一样的，对吗？本质上没有对错之分。为了理解这个过程，构建一个矩阵，其中行是真实类，列是预测类。然后，根据预测值和真实值填充矩阵。你得到了结果。