Python 如何使用pandas_ml生成包含2个类的混淆矩阵？

我试图用plotting制作一个混淆矩阵，pandas_ml似乎有一个函数，但它不适用于两个类。有什么秘密的方法可以让它工作吗

from pandas_ml import ConfusionMatrix
ytrue = ['ham', 'ham', 'spam']
ypred = ['ham', 'spam', 'spam']
cm = ConfusionMatrix(ytrue, ypred)
cm

导致

Predicted  False  True  __all__
Actual                         
False          0     0        0
True           0     0        0
__all__        0     0        0

Predicted  ham  spam  third  __all__
Actual                              
ham          1     1      0        2
spam         0     1      0        1
third        0     0      1        1
__all__      1     2      1        4

这：

导致

Predicted  False  True  __all__
Actual                         
False          0     0        0
True           0     0        0
__all__        0     0        0

Predicted  ham  spam  third  __all__
Actual                              
ham          1     1      0        2
spam         0     1      0        1
third        0     0      1        1
__all__      1     2      1        4

---

不，当我在python3.6中通过spyder3运行它时，我得到了这个

from pandas_ml import ConfusionMatrix 
ytrue = ['ham', 'ham', 'spam']
ypred = ['ham', 'spam', 'spam']
cm = ConfusionMatrix(ytrue, ypred)
cm

Out[1]: 
Predicted  ham  spam  __all__
Actual                       
ham          1     1        2
spam         0     1        1
__all__      1     2        3

IN[2]: cm.print_stats()
OUT[2]:
population: 3
P: 1
N: 2
PositiveTest: 2
NegativeTest: 1
TP: 1
TN: 1
FP: 1
FN: 0
TPR: 1.0
TNR: 0.5
PPV: 0.5
NPV: 1.0
FPR: 0.5
FDR: 0.5
FNR: 0.0
ACC: 0.666666666667
F1_score: 0.666666666667
MCC: 0.5
informedness: 0.5
markedness: 0.5
prevalence: 0.333333333333
LRP: 2.0
LRN: 0.0
DOR: inf
FOR: 0.0

cm.TP
Out[3]: 1

cm.TN
Out[4]: 1

cm.FP
Out[5]: 1

cm.FN
Out[6]: 0

---

也许已经太晚了，但我也有同样的问题。当您有两个类时，pandas_ml中的ConfusionMatrix要求您的输入为布尔值。只需将“spam”/“ham”转换为True/False，就可以了

from pandas_ml import ConfusionMatrix
ytrue = np.array(['ham', 'ham', 'spam'])
ytrue = np.array(['ham', 'ham', 'spam'])
ypred = np.array(['ham', 'spam', 'spam'])
cm = ConfusionMatrix(np.where(ytrue == 'spam', True, False), np.where(ypred == 'spam', True, False))
cm

---

解决这个问题的方法是创建两个名为pandas的系列，并使用pandas.crosstab（）。甚至不要使用熊猫肉：

import pandas as pd

ytrue = pd.Series(['ham', 'ham', 'spam'], name='actual')
ypred = pd.Series(['ham', 'spam', 'spam'], name='predictions')
pd.crosstab(ytrue, ypred, margins=True)

输出将是

predictions  ham  spam  All
actual                     
ham            1     1    2
spam           0     1    1
All            1     2    3

---

我在Python3.5和3.6两个版本中都试过了，今天最新版本的pandas和pandas_-ml。熊猫和熊猫的版本是什么？也许旧版本能用。我会说“它在我的机器上工作”的答案不是很好，因此否决票。pandas是0.20.1，而as_ml是0.5.0，那么这个呢：

来自sklearn.metrics导入混淆矩阵

。它也应该产生同样的结果<代码>数组（[[1,1]，[0,1]]）。谢谢。这似乎很老套，而且像是坏习惯。pandas_ml需要为此请求拉取。