Предположим, что 0 - это нормальный класс, 1 - это класс с типом атаки 1, 2 для типа атаки 2, 3 для типа 3 и 4 для типа 4. Я делаю прогноз двоичного класса, чтобы найти матрицу путаницы для класса 1 как
import pandas as pd
pred1 = clf.fit(x_test1)
pd.crosstab(y_test1 , y_pred1, rownames = ['Actual
attack'], colnames = ['Predicted attacks'])
Здесь clf - классификатор.Точно так же я сделал для pred2, pred3 и pred4.Обратите внимание, что количество строк в каждом списке pred не одинаково.Затем я объединяю их в один кадр данных pred_df с помощью функции pd.concat (). А также я объединяю данные целевых меток из четырех меток (y_test1, y_test2, y_test3 и y_test4) вместе в один кадр данных, скажем y_test_df.Как я могу получить матрицу путаницы из предсказанных результатов, сохраненных в pred_df и y_test_df, чтобы я мог получить матрицу путаницы 5X5?Обратите внимание, что каждый pred1, pred2, ..., pred4 дает матрицу путаницы 2X2.