Мне нужно рассчитать матрицу путаницы для меток и прогнозов, которые представлены в виде векторов с несколькими горячими точкамиКажется, что sklearn не поддерживает такой сценарий.
Вот пример того, что у меня есть.Предположим, есть три класса, 'a', 'b', и 'c';цели / метки:
l1 = [1, 0 ,1, 0, 0]; of class a
l2 = [1, 0 ,1, 0, 1]; of class b
l3 = [1, 0 ,0, 0, 0]; of class a
l4 = [0, 0 ,0, 0, 0]; of class c
Итак, у нас есть матрица меток:
L = np.array([ [1, 0 ,1, 0, 0],
[1, 0 ,1, 0, 1],
[1, 0 ,0, 0, 0],
[0, 0 ,0, 0, 0]] )
предсказания:
p1 = [1, 0 ,1, 0, 0]; of class a
p2 = [1, 0 ,1, 0, 0]; of class b
p3 = [1, 1 ,0, 0, 0]; of class a
p4 = [0, 1 ,0, 0, 0]; of class c
и матрица предсказания в виде:
P = np.array([ [1, 0 ,1, 0, 0],
[1, 0 ,1, 0, 0],
[1, 1 ,0, 0, 0],
[0, 1 ,0, 0, 0]] )
Я ожидаю, что на выходе будет матрица путаницы 3x3, примерно такая:
A B C
A 2 0 0
B 0 0 1
C 0 1 0
Я использую sklearn accuracy_score для оценкиточность классификации.Однако, хотя accuracy_score работает для точности на таких метках, матрица путаницы sklearn не поддерживает вышеупомянутый сценарий.Есть ли какие-либо альтернативы sklearn?
Другой вопрос , кажется, дает три матрицы путаницы, но это не тот случай, который я ищу.