#python #machine-learning #scikit-learn #confusion-matrix
Вопрос:
Я знаю, что мы можем построить матрицу путаницы с помощью sklearn, используя следующий пример кода.
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay import matplotlib.pyplot as plt y_true = [1, 0, 1, 1, 0, 1] y_pred = [0, 0, 1, 1, 0, 1] print(f'y_true: {y_true}') print(f'y_pred: {y_pred}n') cm = confusion_matrix(y_true, y_pred, labels=[0, 1]) print(cm) disp = ConfusionMatrixDisplay(confusion_matrix=cm) disp.plot() plt.show() 
Что у нас есть:
TN | FP FN | TP Но я хочу, чтобы метка прогноза была размещена в строке или по оси y, а метка истинного или реального значения-в столбце или по оси x. Как я могу построить это с помощью Python?
Чего я хочу:
TP | FP FN | TN Ответ №1:
Не уверен, что вы подразумеваете под «Построить это», но если вы просто пытаетесь переместить элементы данных, вы можете сделать это с iloc[] помощью и назначения
df 0 1 0 TN FP 1 FN TP df.iloc[0,0], df.iloc[1,1]=df.iloc[1,1],df.iloc[0,0] df 0 1 0 TP FP 1 FN TN Комментарии:
1. «построить это» означает матрицу путаницы с предсказаниями в строках и реальными значениями в столбцах как реальный график, а не как текстовый вывод
2. @Zion в вашем вопросе нет никакого сюжета (реального или нет), только текстовый вывод. Сообщение здесь ответило на вопрос точно так, как было задано.
Ответ №2:
(1) Вот один из способов обратить вспять TP/TN.
Код
""" Reverse True and Prediction labels References: https://github.com/scikit-learn/scikit-learn/blob/0d378913b/sklearn/metrics/_plot/confusion_matrix.py https://scikit-learn.org/stable/modules/generated/sklearn.metrics.ConfusionMatrixDisplay.html """ from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay import matplotlib.pyplot as plt y_true = [1, 0, 1, 1, 0, 1] y_pred = [0, 0, 1, 1, 0, 1] print(f'y_true: {y_true}') print(f'y_pred: {y_pred}n') # Normal print('Normal') cm = confusion_matrix(y_true, y_pred, labels=[0, 1]) print(cm) disp = ConfusionMatrixDisplay(confusion_matrix=cm) disp.plot() plt.savefig('normal.png') plt.show() # Reverse TP and TN print('Reverse TP and TN') cm = confusion_matrix(y_pred, y_true, labels=[1, 0]) # reverse true/pred and label values print(cm) disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=[1, 0]) # reverse display labels dp = disp.plot() dp.ax_.set(ylabel="My Prediction Label") # modify ylabel of ax_ attribute of plot dp.ax_.set(xlabel="My True Label") # modify xlabel of ax_ attribute of plot plt.savefig('reverse.png') plt.show() Выход
y_true: [1, 0, 1, 1, 0, 1] y_pred: [0, 0, 1, 1, 0, 1] Normal [[2 0] [1 3]] 
Reverse TP and TN [[3 0] [1 2]] 
(2) Другой способ-поменять местами значения и построить их с помощью sns/matplotlib.
Код
import seaborn as sns from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt y_true = [1, 0, 1, 1, 0, 1] y_pred = [0, 0, 1, 1, 0, 1] cm = confusion_matrix(y_true, y_pred) print(cm) cm_11 = cm[1][1] # backup value in cm[1][1] cm[1][1] = cm[0][0] # swap cm[0][0] = cm_11 # swap print(cm) ax = sns.heatmap(cm, annot=True) plt.yticks([1.5, 0.5], ['0', '1'], ha='right') plt.xticks([1.5, 0.5], ['0', '1'], ha='right') ax.set(xlabel='True Label', ylabel='Prediction Label') plt.savefig('reverse_tp_tn.png') plt.show() Выход
[[2 0] [1 3]] [[3 0] [1 2]] 