Python 在多类别分类中，如何根据不同类别标记TP、TN、FP、FN的计数？

我已经编写了一个代码，它使用scikit学习计算多类分类器的TP、TN、FP、FN计数。我面临的问题是，我希望在每个类中都表示此计数，如下所示：

Actual    Predicted
iphone      iphone
samsung     sony
Sony        sony
bmw         audi

我想要所有tn、tp、fn、fp类的计数，例如：

          tp   tn  tn  tp
bmw       25   15  40  50
samsung   20   28  35  55

这就是我的代码的外观：

import pandas as pd 
import numpy as np 
from sklearn.metrics import multilabel_confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report

#reading the input file
df = pd.read_excel('C:\\test.xlsx')

#Converting the columns to array
actual = df['Actual'].to_numpy()
predicted = df['Predicted'].to_numpy()


mcm = multilabel_confusion_matrix(actual, predicted)
#print(mcm)

tn = mcm[:, 0, 0]
tp = mcm[:, 1, 1]
fn = mcm[:, 1, 0]
fp = mcm[:, 0, 1]

print(tn,tp,fn,fp)

输出看起来是这样的，它只是19个类的tn，tp，fn，fp计数

array([182, 569, 568, 569, 545, 429, 566, 516, 504, 568, 534, 437, 567,
       569, 569, 569, 569, 567, 569], dtype=int64), array([111,   0,   0,   0,   7,  21,   0,   7,  37,   0,  15,  78,   0,
         0,   0,   0,   0,   0,   0], dtype=int64), array([ 48,   0,   0,   0,  16, 117,   0,  47,  17,   0,  13,  36,   0,
         0,   0,   0,   0,   0,   0], dtype=int64), array([229,   1,   2,   1,   2,   3,   4,   0,  12,   2,   8,  19,   3,
         1,   1,   1,   1,   3,   1], dtype=int64))

---

如何实现每个18的标记，并根据单个类别进行计数？

可能是？从混淆矩阵中，我获取了每个类别的tp、tn、fp、fn值，但问题是我想将每个计数映射到它们各自的类别中，而我无法做到这一点，并且从混淆矩阵中，我没有发生。参见

labels=df['Actual'].unique（）；mcm=multlabel\u composition\u matrix（实际，预测，labels=labels）

，然后按

labels

中的顺序标记行。我可以在这里获得唯一的类，这些类具有非零值…以便获得整个内容（即类及其各自的tp、tn、fp、fn）在一个数据帧中，我必须将不同列中的所有内容插入到一个新的数据帧中？使用

pd.dataframe（{'tn'：mcm[：，0,0]，…}，index=labels）

i能够获得结果。这是否正确？