Python 混淆矩阵中的白线？

关于numpy矩阵，我有一个非常普遍的问题：我试图根据线条来规范化结果，但是我得到了一些奇怪的白线。这是因为除法中的某些零卡住了吗

代码如下：

import numpy as np
from matplotlib.pylab import *

def confusion_matrix(results,tagset):
    # results : list of tuples (predicted, true)
    # tagset  : list of tags
    np.seterr(divide='ignore', invalid='ignore')
    mat     = np.zeros((len(tagset),len(tagset)))
    percent = [0,0]
    for guessed,real in results :
        mat[tagset.index(guessed),tagset.index(real)] +=1
        if guessed == real :
            percent[0] += 1
            percent[1] += 1
        else :
            percent[1] += 1
    mat /=  mat.sum(axis=1)[:,np.newaxis]
    matshow(mat,fignum=100)
    xticks(arange(len(tagset)),tagset,rotation =90,size='x-small')
    yticks(arange(len(tagset)),tagset,size='x-small')
    colorbar()
    show()
    #print "\n".join(["\t".join([""]+tagset)]+["\t".join([tagset[i]]+[str(x) for x in 
                (mat[i,:])]) for i in xrange(mat.shape[1])])
    return (percent[0] / float(percent[1]))*100

---

谢谢你的时间！（我希望答案不太明显）

不直接回答您的问题，但这很容易做到：

输出：

[[13  0  0]
 [ 0 15  1]
 [ 0  0  9]]

---

简而言之，您有一些标签，而这些标签从未被猜到。因为您正在根据猜测标记的次数进行规范化，所以您有一行

0/0

，这将产生

np.nan

。默认情况下，matplotlib的颜色栏将设置为无填充颜色，从而使轴的背景显示（默认情况下为白色）

下面是一个重现当前问题的快速示例：

import numpy as np
import matplotlib.pyplot as plt

def main():
    tags = ['A', 'B', 'C', 'D']
    results = [('A', 'A'), ('B', 'B'), ('C', 'C'), ('A', 'D'), ('C', 'A'),
               ('B', 'B'), ('C', 'B')]
    matrix = confusion_matrix(results, tags)
    plot(matrix, tags)
    plt.show()

def confusion_matrix(results, tagset):
    output = np.zeros((len(tagset), len(tagset)), dtype=float)
    for guessed, real in results:
        output[tagset.index(guessed), tagset.index(real)] += 1
    return output / output.sum(axis=1)[:, None]

def plot(matrix, tags):
    fig, ax = plt.subplots()
    im = ax.matshow(matrix)
    cb = fig.colorbar(im)
    cb.set_label('Percentage Correct')

    ticks = range(len(tags))
    ax.set(xlabel='True Label', ylabel='Predicted Label',
           xticks=ticks, xticklabels=tags, yticks=ticks, yticklabels=tags)
    ax.xaxis.set(label_position='top')
    return fig

main()

如果我们看一下混淆矩阵：

array([[ 0.5  ,  0.   ,  0.   ,  0.5  ],
       [ 0.   ,  1.   ,  0.   ,  0.   ],
       [ 0.333,  0.333,  0.333,  0.   ],
       [   nan,    nan,    nan,    nan]])

如果您想避免在从不猜测标记时出现问题，可以执行类似的操作：

def confusion_matrix(results, tagset):
    output = np.zeros((len(tagset), len(tagset)), dtype=float)
    for guessed, real in results:
        output[tagset.index(guessed), tagset.index(real)] += 1
    num_guessed = output.sum(axis=1)[:, None]
    num_guessed[num_guessed == 0] = 1
    return output / num_guessed

这将产生（其他所有内容都相同）：

---

一个示例图像可能会有所帮助（什么是“奇怪的白线”）。为了简化调试，您可以尝试将代码分为两部分：一部分创建矩阵，另一部分绘制矩阵。然后在ipython（或其他）中运行第一个函数以获得矩阵。检查整条线的数据中是否没有0或NaN，并且它看起来与您期望的一样。哦，好的。谢谢。好吧，如果我跳过规范化部分，我的就行了。。。所以，如果我想用你的代码规范化矩阵，我需要在之前（在列表中）这样做，对吗？我将检查scikit，但我想自己实现它。。。

def confusion_matrix(results, tagset):
    output = np.zeros((len(tagset), len(tagset)), dtype=float)
    for guessed, real in results:
        output[tagset.index(guessed), tagset.index(real)] += 1
    num_guessed = output.sum(axis=1)[:, None]
    num_guessed[num_guessed == 0] = 1
    return output / num_guessed