Python 如何在scikit learn中从混淆矩阵返回一系列误报？

我正在scikit learn中构建一个二进制分类器，用于对文本评论进行分类。基本工作流程包括以下内容：

#Splitting the data into training and testing sets.
X_train, X_test, y_train, y_test = train_test_split(X, y, 
test_size=0.20, random_state=42)

#Instantiate a model
nb = MultinomialNB()

#Train the model.
nb.fit(X_train, y_train)

#Make predictions using the trained model
y_pred_class = nb.predict(X_test)

#View confusion matrix
confusion_matrix(y_test, y_pred_class)

#Output of confusion matrix
array([[295,  13],
      [ 80,  70]])

X_test[y_test != y_pred_class]

根据混淆矩阵，有13个误报和80个误报

我想看到13条被归类为假阳性的文本评论。

我遵循这一点，看看我是否能得到一份被归类为假阳性的13个实体的列表

但是，当我运行以下命令时：

#Splitting the data into training and testing sets.
X_train, X_test, y_train, y_test = train_test_split(X, y, 
test_size=0.20, random_state=42)

#Instantiate a model
nb = MultinomialNB()

#Train the model.
nb.fit(X_train, y_train)

#Make predictions using the trained model
y_pred_class = nb.predict(X_test)

#View confusion matrix
confusion_matrix(y_test, y_pred_class)

#Output of confusion matrix
array([[295,  13],
      [ 80,  70]])

X_test[y_test != y_pred_class]

我得到以下对象：

<458x758 sparse matrix of type '<class 'numpy.float64'>'
with 16890 stored elements in Compressed Sparse Row format>

---

对于误报，除了

y\u test！=y_pred_类

试试这个：

import numpy as np
false_positives = np.logical_and(y_test != y_pred_class, y_pred_class == 1)

X_test[false_positives]

---

当我运行您建议的代码时，我再次得到一个对象，而不是我期望的评论列表<上面的代码>@grantaguinaldo只是一个查找误报索引的示例。您是如何利用原始文本数据制作

X

？对该数据应用

误报
。您的问题解决了吗？