如何让sklearn.metrics.confusion_matrix（）始终返回TP，TN，FP，FN？

Question

我正在使用sklearn.metrics.confusion_matrix(y_actual, y_predict)来提取tn，fp，fn，tp，并且大部分时间它都能完美地运行。

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [1,1,1,1], [0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 4 0]   # ok

y_actual, y_predict = [1,1,1,1],[0,1,0,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 2 2]   # ok

但是，在某些情况下，confusion_matrix（）并不总是返回这些信息，我会得到ValueError，如下所示。

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

y_actual, y_predict = [1,1,1,1],[1,1,1,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

我的临时解决方案是编写自己的函数来提取这些信息。 有什么方法可以强制confusion_matrix()总是返回tn，fp，fn，tp输出？

谢谢

Answer 1

此问题与输入矩阵中包含的唯一标签数有关。 在你的第二个例子中，它（正确地）构建一个只有一个类的混淆矩阵，分别为0或1。

要强制它输出两个类，即使没有预测其中一个类，也要使用label属性。

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict, labels=[0,1]).ravel()
>> array([[4, 0],
          [0, 0]])