confusion_matrix() | ValueError:分类指标不能处理多类和多类-多输出目标的混合
confusion_matrix() 函数是用于计算混淆矩阵的方法，它用于评估分类模型的性能。然而，当分类模型涉及多类和多类-多输出目标时，该函数会抛出 ValueError 异常。
混淆矩阵是一种用于可视化分类模型预测结果的表格，它将模型的预测结果与真实标签进行比较。它以四个不同的分类结果为基础：真正例（True Positive, TP）、真反例（True Negative, TN）、假正例（False Positive, FP）和假反例（False Negative, FN）。混淆矩阵的形式如下：
预测正例 预测反例
真实正例 TP FN
真实反例 FP TN分类指标是通过混淆矩阵计算得出的，包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和 F1 分数（F1-Score）等。
然而，confusion_matrix() 函数无法处理多类和多类-多输出目标的情况。对于这种情况，可以使用其他适用于多类问题的评估方法，如多类混淆矩阵、多类准确率、多类精确率、多类召回率和多类 F1 分数等。
腾讯云提供了一系列与机器学习和深度学习相关的产品，可以帮助开发者处理多类和多类-多输出目标的分类问题。其中，腾讯云机器学习平台（Tencent Cloud Machine Learning Platform）提供了丰富的机器学习算法和模型训练、部署的能力。您可以通过以下链接了解更多关于腾讯云机器学习平台的信息：
请注意，本回答不包含亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行的云计算品牌商的信息。
相关·内容
我得到这个错误:ValueError:分类指标不能处理未知和多类目标的混合 knn = KNeighborsClassifier()
knn.fit(x_train,y_train)
pred = knn.predict(x_test)
print(accuracy_score(y_test,pred))
print(classification_report((y_test,pred)))
print(confusion_matrix(y_test,pred) 我没有弄清楚其中的错误，为什么它会出现？
浏览 21提问于2019-04-17得票数 0
1回答
我刚刚安装了scikit 0.14，这样我就可以探索多标签指标的改进。我使用hamming损失度量和分类报告获得了一些积极的结果，但无法使混淆矩阵工作。同样在分类报告中，我无法传递标签数组并在报告中打印标签。下面是代码。是我做错了什么，还是它还在开发中？
import numpy as np
import pandas as pd
import random
from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.multiclass import OneVsOneClassifier
f
浏览 4提问于2013-07-07得票数 2
我正在研究由4类组成的多类分类。我正在应用5倍交叉验证，并希望得到的敏感性(回忆)和特异性评分的每一个褶皱。
我发现使用cross_validate函数，我可以为每个折叠提供一个评分参数列表。
scoring = {'accuracy' : make_scorer(accuracy),
'precision' : make_scorer(precision_score),
'recall' : make_scorer(recall_score),
浏览 0提问于2019-12-25得票数 2
回答已采纳
我有一个分类问题，我训练了一个CNN，现在我希望我能得到它的混淆矩阵。我尝试了以下几点：
from sklearn.metrics import confusion_matrix
y_pred = model.predict(x_test)
#Generate the confusion matrix
cf_matrix = confusion_matrix(y_test, y_pred)
print(cf_matrix)
但我得到了以下错误：
ValueError: Classification metrics can't handle a mix of unknown and
浏览 26提问于2022-05-03得票数 1
回答已采纳
我正在尝试创建一个多类多标签混淆矩阵。我首先编写了一个简单的代码来测试水，它工作得很好！
import matplotlib
matplotlib.use('Agg')
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import numpy as np
y_true = np.array([[0,0,1], [1,1,0],[0,1,0], [0,0,1]])
y_pred = np.array([[3.11640739e-01, 7.03224633e-03, 5.
浏览 0提问于2019-01-03得票数 5
回答已采纳
我已经成功地创建了一个具有10个输入和两个输出类(B & S)的py手电神经网络。Y_test是B(0)，B( 1 )，S(0)，S( 1 )，S(0)，S(1)。Y_Pred将输出B(0.1)和S(0.1)。网络列车没有错误..。
现在我想建立一个混乱的矩阵，我很困惑。
这是我的代码: cm = confusion_matrix(y_test，y_pred) print (cm)
它生成以下错误消息：“回溯(最近一次调用)：文件"C:/Users/user/PycharmProjects/3_indexes_NN/3_indexes_NN.py"，行386，in”
第
浏览 1提问于2022-06-16得票数 0
2回答
机器学习:混淆矩阵中的错误获取
、、、、
在运行随机森林回归模型时，在运行混淆矩阵时会出现误差。该模型能够预测y_pred，但我无法检查精度，因为我无法运行精度矩阵。
数据类型：
type(y_test)
Out[124]: numpy.ndarray
type(y_pred)
Out[125]: numpy.ndarray
下面是我的混淆矩阵代码：
from sklearn.metrics import confusion_matrix
matrix = confusion_matrix(y_test, y_pred)
print(matrix)
from sklearn.metrics import accuracy_sco
浏览 1提问于2018-11-01得票数 0
回答已采纳
2回答
X代表特征，Y代表用于图像分类的标签。我使用CNN进行二值图像分类，就像猫和狗一样。
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D
import pickle
import numpy as np
from sklearn.metrics import confusion_matrix
X = np.array
浏览 0提问于2020-06-13得票数 0
回答已采纳
我正在处理一个情绪分析问题，数据看起来是这样的：
label instances
5 1190
4 838
3 239
1 204
2 127
因此，我的数据是不平衡的，因为1190个instances被标记为5。对于分类，我使用的是scikit的。问题是我不知道如何以正确的方式平衡我的数据，以便准确地计算多类情况下的精确度、召回率、准确率和F1分数。因此，我尝试了以下方法：
首先：
wclf = SVC(kernel='linear', C= 1, class_weight={1: 10})
浏览 231提问于2015-07-15得票数 132
回答已采纳
作为一个科学知识的初学者，并试图对虹膜数据集进行分类，在交叉验证阶段，我在将评分标准从scoring='accuracy'调整到其他方面时遇到了问题，比如精度、召回、f1等等。下面是完整的代码示例(足够从# Test options and evaluation metric开始)。
# Load libraries
import pandas
from pandas.plotting import scatter_matrix
import matplotlib.pyplot as plt
from sklearn import model_selection # for c
浏览 0提问于2019-02-01得票数 0
回答已采纳
我使用sklearn.metrics.confusion_matrix(y_actual, y_predict)来提取tn、fp、fn、tp，而且大多数情况下它工作得很完美。
from sklearn.metrics import confusion_matrix
y_actual, y_predict = [1,1,1,1], [0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 4 0] # ok
y_actual, y_predict = [1,1,1,
浏览 4提问于2017-09-15得票数 15
回答已采纳
我是Python和分类算法的新手。我使用GaussianNB对NSL数据集进行多类分类，最终需要获得精度、召回、f1评分值。
from sklearn.metrics import accuracy_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score
from sklearn.metrics import confusion_matrix, zero_one_loss
from sklearn
浏览 3提问于2020-05-02得票数 0
回答已采纳
1回答
使用h2o H2ORandomForestEstimator训练随机森林分类器后，如何提取不同指标的模型性能报告？ ModelMetricsBinomial: drf
** Reported on train data. **
MSE: 0.3585693234630144
RMSE: 0.5988065826817658
LogLoss: 1.042047808195111
Mean Per-Class Error: 0.3219540722169749
AUC: 0.7464490458314232
AUCPR: 0.751360355831092
Gini: 0.4928980916
浏览 21提问于2020-12-11得票数 0
我第一次在python中使用支持向量机。我还使用了5交叉验证，以检验模型的准确性。
该模型的目的是对输出是否存在缺陷进行分类。我想交叉检查输出分类与原始数据集。换句话说，我想了解哪些产品被归类为缺陷，哪些具体没有被归类为缺陷。我该怎么做？
我的代码：
from sklearn.svm import SVC
svclassifier_rbf = SVC(kernel='rbf')
clf = svclassifier_rbf.fit(X_train, y_train)
from sklearn.metrics import classification_report
浏览 1提问于2018-12-24得票数 1
回答已采纳
当我试图在我的二进制分类问题中使用混淆矩阵时，我遇到了这个错误。Y和Yhat都是numpy阵列。我已经尝试了.argmax作为建议的解决方案-我不再得到错误，但输出不是我所知道的混淆矩阵。
Accuracy: 0.9982449999999999
Accuracy: 0.9983374013937532
shape of y = (1, 200000)
shape of yhat = (1, 200000)
错误
ValueError Traceback (most recent call last) <ipython
浏览 10提问于2018-09-07得票数 2
在我交叉验证了我的训练数据集之后，我开始在混淆矩阵上遇到麻烦。我的X_Train形状显示为(835，5)，我的y_train形状显示为(835，)。当我的数据混合时，我不能使用此方法。除此之外，它之前的模块都工作得很好。我有的代码写在下面。如何设置训练数据以使用confusion_matrix方法？
cross_val/cross_val_score模块
from sklearn.model_selection import cross_validate
from sklearn.model_selection import cross_val_score
lasso = linear_mod
浏览 1提问于2018-03-17得票数 2
1回答
下面是我的代码片段：
from mlxtend.plotting import plot_confusion_matrix
from sklearn.metrics import confusion_matrix
y_pred = (model.predict(X_test) > 0.5).astype("int32")
mat = confusion_matrix(y_test, y_pred)
plot_confusion_matrix(conf_mat=mat, class_names=label.classes_, show_normed=True, figs
浏览 12提问于2022-09-25得票数 0
我是一名数据科学新手，正在研究。我正在对其进行Logistic回归，以预测测试数据中的乘客是存活还是死亡。
我清理了培训和测试数据，并对培训数据进行Logistic回归拟合。一切都很好。
train = pd.read_csv('train.csv')
X_train = train.drop('Survived',axis=1)
y_train = train['Survived']
from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegres
浏览 3提问于2017-11-08得票数 1
回答已采纳
1回答
我希望以一种特定的方式对我的多类分类输出变量进行编码，以考虑到重要性。我想在带有乙状结肠目标的NN中使用这个。
我对此有几个问题：
我怎么能用这种方式对我的类进行编码？
这不会改变问题从多类到多标签分类，对吗？
这是我所依据的论文的。下面是一个数字，表示从正常NN到它们的地址的变化：
浏览 2提问于2021-03-02得票数 0
这是我在StackOverflow上的第一篇文章！我正在使用MLPRegressor为我的问题生成一个二进制类多输出预测。一旦得到了我的预测，我就使用numpy.round()对所有的值进行舍入，这样我就可以使用accuracy_score(因为准确性评分只适用于分类问题)。在此之后，当我得到以下错误时，我尝试使用sklearn.metrics.accuracy_score：
ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass-multioutput t
浏览 4提问于2020-10-07得票数 0
回答已采纳
2回答
在多标签分类问题中，我需要计算每个类别的精度(而不是总体精度)。使用classification_report从scikit-learn库中很容易地找到每个类别的精确性、回忆性和F-得分。共有13类，分配如下：
precision recall f1-score support
Category 1 0.58 0.48 0.53 244
Category 2 0.91 0.85 0.88 728
Category 3
浏览 0提问于2020-12-08得票数 1
回答已采纳
1回答
我有一个项目，它包括在csv文件中使用kNN算法，并显示所选的度量。但是，当我试图展示一些指标时，它会抛出一些错误。
在尝试使用时：灵敏度、f1_Score和精密
灵敏度-打印(metrics.recall_score(y_test，y_pred_class))
F1_score -打印(metrics.f1_score(y_test，y_pred_class))
高级印刷(metrics.precision_score(y_test，y_pred_class))
Pycharm引发以下错误：
ValueError:目标是多类的，但平均值=‘二进制’。请选择另一个平均设置
浏览 0提问于2019-03-28得票数 0
回答已采纳
1回答
我有一个学校的项目，有深入学习的面孔识别。我需要倒数矩阵来衡量性能指标，如准确性，精确性。我试过下面的代码。但是，y_test参数会给出一个错误。我怎么才能解决这个问题？
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(img_array, img_labels,
shuffle=True, stratify=img_labels,
浏览 11提问于2022-05-12得票数 1
3回答
我有一个多类分类任务。当我基于运行我的脚本时，如下所示：
classifier = OneVsRestClassifier(GradientBoostingClassifier(n_estimators=70, max_depth=3, learning_rate=.02))
y_pred = classifier.fit(X_train, y_train).predict(X_test)
cnf_matrix = confusion_matrix(y_test, y_pred)
我得到了这个错误：
File "C:\ProgramData\Anaconda2\lib\site-pa
浏览 0提问于2017-04-28得票数 9
回答已采纳
1回答
我想根据我的y_predict和y_train结果打印一个混淆矩阵的热图。
我有点卡住了，我已经查阅了pandas的热图文档，但仍然不知道如何将其应用于我的结果。我使用的数据集是关于收入的，有分类数据和数字数据。我已经应用了GB分类器，并且得到了一个结果。唯一剩下的就是热图。
print(confusion_matrix(y_train,y_pred_train))
print(y_train)
这就是结果
Confusion Matrix:
[[14151 710]
[ 1844 2831]]
Name: income, Length: 19536, dtype: int64
这
浏览 0提问于2019-03-28得票数 0
1回答
输出分为四类: 0,1,2,3预测在中是连续数
我尝试了sklearn中的混淆矩阵f1_score，但两种情况下都有错误：
ValueError: Can't handle mix of multiclass and continuous
如果我将其简化为二进制分类器，并使用AUC对其进行评估，则没有错误，这意味着AUC可以处理连续输入。
我的问题是在sklearn中哪里可以找到评估，这样不仅可以处理多类，还可以处理连续的输入。
浏览 0提问于2017-01-22得票数 1
回答已采纳
运行测试脚本时出现“Label out out bound”错误。将注释值与类的数量进行比较时，会在confusion_matrix函数中抛出错误。在我的例子中，注释值是一幅图像(560x560)，number_of_classes = 2。
[check_ops.assert_less(labels, num_classes_int64, message='`labels` out of bound')], labels
上面的条件总是会失败，因为注释数据大于类的数量。
首先，我很有可能误解了代码，但我不能理解它。
其次，如果这是一个有效的检查，那么我如何修改我的代码或数据来
浏览 0提问于2017-09-12得票数 2
2回答
我正在尝试解决一个用于学术目的的文本分类问题。我需要将推文分类为“云”、“冷”、“干”、“热”、“湿”、“飓风”、“冰”、“雨”、“雪”、“风暴”、“风”和“其他”等标签。训练数据中的每个推文都有针对所有标签的概率。说这条消息“已经可以告诉你这将是一个艰难的得分的日子。现在和昨天下午一样有风。”有21%的几率是热的，79%的几率是风的。我一直致力于分类问题，它预测它是风还是热或其他。但在这个问题中，每个训练数据都有针对所有标签的概率。我之前使用过mahout naive bayes分类器，它对给定的文本采用特定的标签来构建模型。如何将这些不同标签的输入概率转换为任何分类器的输入？
浏览 3提问于2013-10-07得票数 0
晚上好，我为虹膜数据集做了KNN分类器方法，我可以显示所有的代码，但我认为不重要的是张贴完整的代码，只有一个片段，我不明白是如何分配虹膜目标名称的混淆矩阵？这是混淆矩阵
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, prediction))
返回矩阵
[[13 0 0]
[ 0 15 1]
[ 0 0 9]]
我在因特网上搜索过
而且我知道还有额外的参数标签，所以我尝试了
from sklearn.metrics import confusion_matrix
class_n
浏览 22提问于2020-03-13得票数 0
回答已采纳
假设我有一个三类问题，我想构建一个可以根据一组特征区分类的分类器。我想根据模型区分这3个类的能力来评估它。
从我的阅读来看，宏观F1分数似乎是用于评估多类问题分类器的常用指标，其中为每个类计算F1分数，然后将这些F1分数的未加权平均值用作macro F1 score。
在其他文献中，我见过用于多类问题的平衡精度，其中计算每一类的精度，然后将这些精度的未加权平均值用作balanced accuracy。
为什么宏观F1得分比平衡准确性更受青睐？
平衡精度不是更容易解释吗，平衡精度< 0.5告诉我们模型的表现比随机更差？
我们如何以与平衡准确率相同的方式来解释F1分数--什么阈值表明分类器比
浏览 4提问于2016-03-09得票数 3
1回答
正如Keras手册-Deep中所描述的，对于多输出模型，我们需要为不同的网络负责人指定不同的损失函数。但是，由于梯度下降要求最小化标量，所以必须将这些损失合并为单个值，以便训练模型。
非常不平衡的损失贡献将导致模型表示优先为最大的个人损失的任务优化，而牺牲其他任务。为了弥补这一点，您可以在损失值对最终损失的贡献中，对损失值指定不同的重要级别。如果损失的数值使用不同的尺度，这是非常有用的。
有谁能在以下方面提供帮助：
我有一个具有以下输出的五输出模型：
情感(多类、多标签分类)
价(回归)
觉醒(回归)
优势(回归)
年龄(多等级分类)
我使用的方法如下：
losse
浏览 2提问于2018-05-28得票数 3
请有人解释一下(例如，也许)什么是科学知识中的，和之间的区别？
我读过文档，我理解我们使用：
OneVsRestClassifier -当我们想要进行多类或多标签分类时，它的策略包括拟合每类一个分类器。对于每个分类器，类与所有其他类相匹配。(这很清楚，这意味着多类/多标签分类问题被分解为多个二进制分类问题)。
MultiOutputClassifier -当我们想做多目标分类时(这是什么？)它的策略包括拟合每个目标的一个分类器(目标在那里意味着什么？)
我已经将OneVsRestClassifier用于多标签分类，我可以理解它是如何工作的，但是我找到了MultiOutputCl
浏览 3提问于2017-03-15得票数 36
回答已采纳
4回答
注释：我很欣赏大量的评论，这表明这不适合量化模型性能。但是，这与我的错误无关，并且此错误发生在各种其他指标中。此外，当您认为OP“提出了错误的问题”时，请参阅以获得适当的响应方式
我有一个sklearn逻辑模型，我正在尝试获得RMSE。然而，当我使用.predict_proba时，我得到了一个概率向量。但是，我的y_test是以分类的形式存在的，sklearn.linear_model.LogisticRegression只是在某种程度上自动处理它。
我如何协调这两件事以获得RMSE？
>>> sklearn.metrics.mean_squared_error(y_test
浏览 173提问于2018-06-06得票数 -1
回答已采纳
1回答
所以我把随机森林分类器模型应用于一个问题，但是它显示了这个错误，尽管我的数据集中的X和Y列是相等的。我怎么解决这个问题？
ValueError Traceback (most recent call last)
<ipython-input-123-8b3f6408c588> in <module>
1 from sklearn.metrics import confusion_matrix,accuracy_score
----> 2 cm = confusion_matrix(y_pre
浏览 0提问于2020-06-22得票数 1
1回答
我用它来获得具有5个不同分类的混淆矩阵 y_test_non_category = [ np.argmax(t) for t in y_test ]
y_predict_non_category = [ np.argmax(t) for t in y_pred ]
from sklearn.metrics import confusion_matrix
conf_mat = confusion_matrix(y_test_non_category, y_predict_non_category) 并得到了 array([[ 76, 152, 4, 130, 56, 224],
浏览 21提问于2020-01-06得票数 1
我在Google Colab中运行了以下代码： from sklearn.metrics import confusion_matrix
# Initialize logreg model
logreg = LogisticRegression()
# Fit the model with data
logreg.fit(X_train, y_train)
# Predict model
y_pred = logreg.predict(X_test)
# Evaluate model using confusion matrix
cnf_matrix = confusion_matr
浏览 7提问于2021-08-29得票数 0
回答已采纳
1回答
混淆矩阵-奇怪的数字输出
、、、
我正在使用支持向量机进行数据分类。分类后，我想显示混淆矩阵，但数字的形式不好。 from sklearn.metrics import f1_score, accuracy_score, precision_score, recall_score, confusion_matrix
from sklearn import svm
clf_svm = svm.SVC()
.
.
.
n = clf_svm.predict(x_test)
cm = confusion_matrix(y_test, n)
plt.figure(figsize = (6,6))
sns.heatmap(cm, a
浏览 51提问于2019-05-09得票数 0
回答已采纳
1回答
有没有在Fairlearn或任何已发表的论文中实现的指标，我可以参考关于多类分类的公平性度量的用例，其中指标是AP而不是准确性？谢谢!
浏览 6提问于2021-03-11得票数 0
2回答
多标签分类Keras指标
、、、
在Keras中，哪个指标更适合多标签分类：accuracy还是categorical_accuracy？显然，在这种情况下，最后一个激活函数是sigmoid，as损失函数是binary_crossentropy。
浏览 75提问于2018-12-21得票数 5
回答已采纳
1回答
在训练我的网络时，我遇到了一个多标签分类问题，在这个问题中，我将类标签转换为一个热编码。 在训练模型并生成预测- keras之后，只需输出值的数组，而不指定类标签。 合并这些内容的最佳实践是什么，这样我的API才能向用户返回有意义的结果？ 示例 y = pd.get_dummies(df_merged.eventId)
y
2CBC9h3uple1SXxEVy8W GiiFxmfrUwBNMGgFuoHo e06onPbpyCucAGXw01mM
12 1 0 0
13 1
浏览 27提问于2019-06-24得票数 1
1回答
我使用来检查分类器的性能。
我正在使用Scikit-学习，我有点困惑。我如何解释
from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1]
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
[0, 0, 1],
[1, 0, 2]])
我如何决定这个预测值是好还是坏。
浏览 0提问于2014-04-25得票数 1
我有一些类不平衡和一个简单的基线分类器，将大多数类分配给每个示例：
from sklearn.metrics import precision_score, recall_score, confusion_matrix
y_true = [0,0,0,1]
y_pred = [0,0,0,0]
confusion_matrix(y_true, y_pred)
这会产生
[3，0，
1，0]
意思是TP=3，FP=1，FN=0。
到现在为止还好。现在我要计算出精确性和召回率的微观平均值。
precision_score(y_true, y_pred, average='micr
浏览 0提问于2018-11-20得票数 0
回答已采纳
1回答
我使用的是一个混乱矩阵，它工作得很好，直到我到达我的numpy数组的一个特定部分。
基本真相结果存储在一个名为y_test的数组中，而类的结果存储在r中。
当我对整个结果使用混淆矩阵时，就没有问题了。
但是我想把我的实验结果分开。我有三个特定的分类器的结果，它们存储在数组中，称为c、b和t。
现在，我想比较这三个具体分类器的结果与一些具体指标的总体结果。例如，我想强调分类器C的结果的混淆矩阵，特别是从总体结果的指数91到180。
对于分类器B，我希望看到从索引1到90的结果混淆矩阵。诸若此类。
这是我的密码，下面。对于前两个混淆矩阵，没有问题。他们表现得很好。
cm_c = confusion
浏览 2提问于2015-01-14得票数 1
回答已采纳
目前，科学知识的默认分类报告(sklearn.metrics.classification_report - )不包括特异性和阴性预测值.
因此，我建立了自己的分类报告功能：
def custom_classification_report(y_true, y_pred):
tp, fn, fp, tn = confusion_matrix(y_true, y_pred).ravel()
acc = (tp+tn)/(tp+tn+fp+fn)
sen = (tp)/(tp+fn)
sp = (tn)/(tn+fp)
ppv = (tp)/(tp+fp)
浏览 1提问于2020-08-21得票数 1
我使用两种方法计算了我的分类的P，R和F1的宏观平均值。方法1是
print("Macro-Average Precision:", metrics.precision_score(predictions, test_y, average='macro'))
print("Macro-Average Recall:", metrics.recall_score(predictions, test_y, average='macro'))
print("Macro-Average F1:", metrics.f1_s
浏览 8提问于2019-07-30得票数 0
回答已采纳
1回答
我正在进行多标记图像分类。这是我的数据框架：
已更新
你可以看到有26个特征标记的图像。"1“表示存在，"0”表示不存在。
我的问题是在很多标签上都有不平衡的数据。例如：
[1] train_df.value_counts('Eyeglasses')
Output:
Eyeglasses
0 54735
1 1265
dtype: int64
[2] train_df.value_counts('Double_Chin')
Output:
Double_Chin
0 55464
1 536
dtype:
浏览 2提问于2020-11-14得票数 1
我尝试使用函数，如下所示：
tn, fp, fn, tp = confusion_matrix(y_true, y_predict).ravel()
y_true和y_predict都是列表。当我返回它们的形状时，我得到：(71,)。
但是，我在上面的语句中得到以下错误：
ValueError: too many values to unpack
我不确定是不是因为(71,)中的第二个(空)维度？如果它是这里的问题，我不确定如何删除它。
有什么想法吗？
谢谢。
浏览 39提问于2018-03-02得票数 3
我尝试计算一个聚合混淆矩阵来评估我的模型：
cv_results = cross_validate(estimator, dataset.data, dataset.target, scoring=scoring,
cv=Config.CROSS_VALIDATION_FOLDS, n_jobs=N_CPUS, return_train_score=False)
但我不知道如何提取不同折叠的单个混淆矩阵。在记分器中，我可以计算它：
scoring = {
'cm': make_scorer(confusion_matrix)
}
，但我不能返回混
浏览 27提问于2017-08-28得票数 1
回答已采纳
2回答
是否有可用于多类多标签分类的评估指标？例如，我参加了kaggle的以下比赛，它需要ROC AUC作为评估指标。：
使用sklearn可以做到这一点吗？
浏览 3提问于2013-08-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
