Python 如何计算由多列导出的混淆矩阵？

我有两个数据帧，我想计算一个混淆矩阵

以下是“df_响应”的结构示例：

Question 1      |  Red  |  Blue  | Yellow | None of the Above |   
Participant ID  |       |        |        |                   |
1               |   1   |    1   |    1   |       0           |
2               |   0   |    0   |    0   |       1           |
3               |   1   |    0   |    1   |       0           |

Question 1      |  Red  |  Blue  | Yellow | None of the Above |   
                |       |        |        |                   |
1               |   1   |    0   |    1   |       0           |
2               |   1   |    0   |    1   |       0           |
3               |   1   |    0   |    1   |       0           |

下面是“df_actual”的结构示例：

Question 1      |  Red  |  Blue  | Yellow | None of the Above |   
Participant ID  |       |        |        |                   |
1               |   1   |    1   |    1   |       0           |
2               |   0   |    0   |    0   |       1           |
3               |   1   |    0   |    1   |       0           |

Question 1      |  Red  |  Blue  | Yellow | None of the Above |   
                |       |        |        |                   |
1               |   1   |    0   |    1   |       0           |
2               |   1   |    0   |    1   |       0           |
3               |   1   |    0   |    1   |       0           |

理想情况下，我还希望创建一个新的数据框架，其中包含每个参与者的真阳性和假阴性分数，如下所示：

Question 1      | True Positive | False Negative | 
Participant ID  |               |                | 
1               |     2         |       0        |
2               |     0         |       2        |
3               |     2         |       0        | 

我试过（@johnmommers）：

然而，我得到了一份工作

ValueError: multilabel-indicator is not supported. 

有没有其他方法可以计算TP和FN

---

添加（数据为文本）：

---

您不能以这种方式使用

sklearn

函数

conflusion\u matrix

，因为它只支持一维标签，在您的情况下，您有四个标签。这就是为什么会出现错误

多标签指示器不受支持的原因

因此，您必须将数据帧的每一行传递给此函数

for x in range(len(df_responses)):
   y_responses = df_responses.iloc[x].to_numpy()
   y_actual = df_actual.iloc[x].to_numpy()
   tn, fp, fn, tp = confusion_matrix(y_responses, y_actual).ravel()
   print (f'Nr:{i} true neg:{tn} false pos:{fp} false neg:{fn} true pos:{tp}')

---

您可以通过以下方式创建所需的df：

df = pd.DataFrame()   
df["tp"] = np.sum((df_actual == 1) & (df_responses == 1), axis=1)
df["fp"] = np.sum((df_actual == 0) & (df_responses == 1), axis=1)

---

请注意，这并不是一个真正的混淆矩阵——在这种情况下，行是预测的，列是标签值（反之亦然），值是计数。对于多值标签/响应，这可能没有很好的定义，这就是sklearn出现错误的原因。

您可以使用

df.to_dict（）

以文本形式重新发布数据吗？是的，我添加了它！参与者2的真阳性是什么？参与者2的真阳性是零