Я работал над проблемой классификации.Будучи новичком в машинном обучении, я только что наткнулся на Матрицу смешения, я поместил данные и аргументы, как указано в их документации.Но меня смущает то, что на самом деле в этом смысл.
PS Я работаю над проблемой классификации, имеющей 5 классов для предсказания изображений.
Я использую код ниже.Изображения выхода также приведены ниже.
# Confusion Matrix
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(tr_int,prediction)
Вы можете проверить тепловую карту здесь -> Тепловая карта .И изображение массива матрицы путаницы здесь-> ConfusionMatrix Код, который я использую для построения графиков, приведен ниже.
import itertools
def plot_con(cm,classes,normalize=False,title="Confusion Matrix", cmap = plt.cm.Blues):
plt.imshow(cm,interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation = 45)
plt.yticks(tick_marks,classes)
if normalize:
cm = cm.astype('float')/ cm.sum(axis = 1)[:, np.newaxis]
print("Normalized C Matrix")
else:
print("Without Normalization")
print(cm)
thresh = cm.max() / 2.
for i, j in itertools.product(range(cm.shape[0]),range(cm.shape[1])):
plt.text(j, i, cm[i,j],
horizontalalignment = "center"
color = "white" if cm[i,j] > thresh else "black")
plt.tight_layout()
plt.ylabel('True Label')
plt.xlabel('Predicted')
Спасибо.