Позвольте мне иметь в виду следующие тестовые значения:
y_test2 = [0, 0, 1, 1]
и следующие прогнозные значения:
y_pred2 = [1, 0, 1, 1]
Итак, у меня есть проблема двоичной классификации с {0,1}
в качестве классов.Если я использую sklearn confusion_matrix
:
confusion_matrix(y_test2, y_pred2)
array([[1, 1], #one 0 was predicted as 0 (TruePositive), one 0 was predicted as 1 (FalseNegative)
[0, 2]], dtype=int64) #two 1 were predicted as 1 (TrueNegatives)
Так что для меня это:
TP: 1
FN: 1
TN: 2
FP: 0
Однако, когда я запускаю confusion_matrix с ravel, следующий scikit изучает документацию:
tn, fp, fn, tp = confusion_matrix(y_test2, y_pred2).ravel()
(1, 1, 0, 2)
Почему Scikit интерпретирует 1 как Истинные значения?И почему это не упомянуто в документации: https://scikit -learn.org / stable / modules / generate / sklearn.metrics.confusion_matrix.html Есть ли еще какие-либо проблемы, с которыми я мог бы столкнуться при бинарной классификации ссоглашение об именовании?Есть ли шанс избежать этого?