首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >混淆矩阵错误“分类指标不能处理多标签指示器和多类目标的混合”

混淆矩阵错误“分类指标不能处理多标签指示器和多类目标的混合”
EN

Stack Overflow用户
提问于 2019-02-08 17:46:20
回答 2查看 33.4K关注 0票数 18

我得到了一个

代码语言:javascript
运行
复制
Classification metrics can't handle a mix of multilabel-indicator and multiclass targets

尝试使用混淆矩阵时出错。

我正在做我的第一个深度学习项目。我是个新手。我使用的是keras提供的mnist数据集。我已经成功地训练和测试了我的模型。

然而,当我尝试使用scikit学习混淆矩阵时,我得到了上面所述的错误。我一直在寻找答案,虽然有关于这个错误的答案,但没有一个对我有效。根据我在网上找到的信息,它可能与损失函数有关(我在代码中使用了categorical_crossentropy )。我尝试将其更改为sparse_categorical_crossentropy,但这给了我

代码语言:javascript
运行
复制
Error when checking target: expected dense_2 to have shape (1,) but got array with shape (10,)

当我在模型上运行fit()函数时。

这就是代码。(为简洁起见,我省略了导入)

代码语言:javascript
运行
复制
model = Sequential()
model.add(Dense(512, activation='relu', input_shape=(28 * 28,)))
model.add(Dense(10, activation='softmax')) 

model.compile(optimizer='Adam', loss='categorical_crossentropy', metrics=['accuracy'])

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype('float32') / 255

test_images = test_images.reshape((10000, 28 * 28))
test_images = test_images.astype('float32') / 255

train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)

model.fit(train_images, train_labels, epochs=10, batch_size=128)

rounded_predictions = model.predict_classes(test_images, batch_size=128, verbose=0)

cm = confusion_matrix(test_labels, rounded_predictions)

我该如何解决这个问题呢?

EN

Stack Overflow用户

回答已采纳

发布于 2019-02-08 23:20:10

混淆矩阵需要标签和预测都是一位数,而不是一个热的编码向量;尽管您已经使用model.predict_classes()对您的预测执行了这一操作,例如

代码语言:javascript
运行
复制
rounded_predictions = model.predict_classes(test_images, batch_size=128, verbose=0)
rounded_predictions[1]
# 2

你的test_labels仍然是独热编码的:

代码语言:javascript
运行
复制
test_labels[1]
# array([0., 0., 1., 0., 0., 0., 0., 0., 0., 0.], dtype=float32)

因此,您也应该将它们转换为个位数,如下所示:

代码语言:javascript
运行
复制
import numpy as np
rounded_labels=np.argmax(test_labels, axis=1)
rounded_labels[1]
# 2

在此之后,混淆矩阵应该会出现:

代码语言:javascript
运行
复制
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(rounded_labels, rounded_predictions)
cm
# result:
array([[ 971,    0,    0,    2,    1,    0,    2,    1,    3,    0],
       [   0, 1121,    2,    1,    0,    1,    3,    0,    7,    0],
       [   5,    4,  990,    7,    5,    3,    2,    7,    9,    0],
       [   0,    0,    0,  992,    0,    2,    0,    7,    7,    2],
       [   2,    0,    2,    0,  956,    0,    3,    3,    2,   14],
       [   3,    0,    0,   10,    1,  872,    3,    0,    1,    2],
       [   5,    3,    1,    1,    9,   10,  926,    0,    3,    0],
       [   0,    7,   10,    1,    0,    2,    0,  997,    1,   10],
       [   5,    0,    3,    7,    5,    7,    3,    4,  937,    3],
       [   5,    5,    0,    9,   10,    3,    0,    8,    3,  966]])
票数 34
EN
查看全部 2 条回答
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/54589669

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档