Hướng dẫn how to draw confusion matrix in python - cách vẽ ma trận nhầm lẫn trong python
Không dùng nữa: Hàm Show Âm mưu ma trận nhầm lẫn.
Đọc thêm trong Hướng dẫn sử dụng.User Guide. Tham số: Phiên bản của EDOPATORESTimator:estimatorestimator instancePhân loại được trang bị hoặc một Giá trị đầu vào. Giá trị mục tiêu. LabelsArray giống như hình dạng (n_ classes,), mặc định = không cóarray-like of shape (n_classes,), default=NoneDanh sách các nhãn để lập chỉ mục ma trận. Điều này có thể được sử dụng để sắp xếp lại hoặc chọn một tập hợp con của nhãn. Nếu Trọng lượng mẫu. Bình thường hóa {’true{‘true’, ‘pred’, ‘all’}, default=NoneĐể bình thường hóa hiển thị số đếm trong ma trận: display_labelsarray giống như hình dạng (n_ classes,), mặc định = khôngarray-like of shape (n_classes,), default=None Tên mục tiêu được sử dụng để vẽ đồ thị. Theo mặc định, Bao gồm các giá trị trong ma trận nhầm lẫn. Xticks_rotation {‘dọc,‘ ngang} hoặc float, mặc định ={‘vertical’, ‘horizontal’} or float, default=’horizontal’Xoay của nhãn XTICK. Định dạng đặc tả cho các giá trị trong ma trận nhầm lẫn. Nếu Colormap được công nhận bởi matplotlib. AXMATPLOTLIB AXES, DEFAULT = Không cómatplotlib Axes, default=NoneTrục đối tượng để vẽ trên. Nếu Có hay không thêm một colorbar vào cốt truyện. Mới trong phiên bản 0.24. Returns:displayplot_confusion_matrix 8:displayplot_confusion_matrix 8Đối tượng lưu trữ các giá trị tính toán. Ví dụ >>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import plot_confusion_matrix >>> from sklearn.model_selection import train_test_split >>> from sklearn.svm import SVC >>> X, y = make_classification(random_state=0) >>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, random_state=0) >>> clf = SVC(random_state=0) >>> clf.fit(X_train, y_train) SVC(random_state=0) >>> plot_confusion_matrix(clf, X_test, y_test) >>> plt.show() Làm thế nào để bạn xây dựng một ma trận nhầm lẫn?Cách tính một ma trận nhầm lẫn để phân loại nhị phân.. Xây dựng bảng của bạn. .... Nhập các giá trị tích cực và âm dự đoán. .... Nhập các giá trị tích cực và tiêu cực thực tế. .... Xác định tỷ lệ chính xác. .... Tính tỷ lệ phân loại sai. .... Tìm tỷ lệ tích cực thực sự. .... Xác định tỷ lệ âm thực sự .. Làm thế nào để bạn tạo ra một ma trận nhầm lẫn trong Python mà không cần Sklearn?Bạn có thể rút ra ma trận nhầm lẫn bằng cách đếm số lượng phiên bản trong mỗi kết hợp các lớp thực tế và dự đoán như sau: Nhập Numpy là NP def comp_confmat (thực tế, dự đoán): # Trích xuất các lớp khác nhau ma trận nhầm lẫn confmat = np.import numpy as np def comp_confmat(actual, predicted): # extract the different classes classes = np. unique(actual) # initialize the confusion matrix confmat = np.
Làm thế nào để tôi có được ma trận nhầm lẫn Sklearn?Để có được một ma trận nhầm lẫn trong scikit-learn:.. Chạy một thuật toán phân loại.classifier.fit (x_train, y_train) .... Nhập số liệu từ mô -đun Sklearn..... Chạy hàm ma trận nhầm lẫn trên các giá trị thực tế và dự đoán..... Vẽ ma trận nhầm lẫn..... Kiểm tra báo cáo phân loại .. Làm thế nào để bạn tạo ra một ma trận nhầm lẫn trong keras?Xem ma trận nhầm lẫn trong TensorBord Tạo cuộc gọi lại Keras Tensorboard để ghi số các số liệu cơ bản.Tạo một keras lambdacallback để ghi lại ma trận nhầm lẫn ở cuối mỗi kỷ nguyên.Huấn luyện mô hình bằng mô hình.Fit (), đảm bảo vượt qua cả hai cuộc gọi lại.Create the Keras TensorBoard callback to log basic metrics. Create a Keras LambdaCallback to log the confusion matrix at the end of every epoch. Train the model using Model. fit(), making sure to pass both callbacks. |