Python 在混淆矩阵中查找错误分类的数据
我使用这个函数来评估我的模型Python 在混淆矩阵中查找错误分类的数据,python,pandas,machine-learning,confusion-matrix,Python,Pandas,Machine Learning,Confusion Matrix,我使用这个函数来评估我的模型 def stratified_cv(X, y, clf_class, shuffle=True, n_folds=10, **kwargs): X = X.as_matrix().astype(np.float) y = y.as_matrix().astype(np.int) y_pred = y.copy() stratified_k_fold = cross_validation.StratifiedKFold(y,
def stratified_cv(X, y, clf_class, shuffle=True, n_folds=10, **kwargs):
X = X.as_matrix().astype(np.float)
y = y.as_matrix().astype(np.int)
y_pred = y.copy()
stratified_k_fold = cross_validation.StratifiedKFold(y, n_folds=n_folds, shuffle=shuffle)
y_pred = y.copy()
for ii, jj in stratified_k_fold:
X_train, X_test = X[ii], X[jj]
y_train,y_test = y[ii],y[jj]
clf = clf_class(**kwargs)
clf.fit(X_train,y_train)
y_pred[jj] = clf.predict(X_test)
return y_pred
并举例给出了混淆矩阵
pass_agg_conf_matrix = metrics.confusion_matrix(y, stratified_cv(X, y, linear_model.PassiveAggressiveClassifier))
现在我想识别错误分类的条目您可以从混淆矩阵本身找到错误分类的预测。右上框给出了预测为0但不是零的预测数。左下框显示了预测的1,但不是1。
如果混淆矩阵是根据正确的约定建立的,则上述单元格称为真阴性和假阳性 只需在每个示例x上使用预测值clf,并找到那些y_pred不等于y的。那应该没那么难!