[英]Finding the accuracy from the confusion matrix in pd.crosstab
使用pd.crosstab
,我可以从我的预测数据中生成一个混淆矩阵。 我使用以下行来生成混淆矩阵:
pd.crosstab(test_data['class'], test_data['predicted'], margins = True)
同样在 R 中,我可以使用下面的行生成混淆矩阵
confusion_matrix <- table(truth = data.test$class, prediction = predict(model, data.test[,-46], type = 'class'))
在 R 我可以使用这条线找到我的 model 的精度
sum(diag(confusion_matrix)) / sum(confusion_matrix)
在 Python 中,是否有sum(diag(confusion_matrix)) / sum(confusion_matrix)
的等价物来计算我的混淆矩阵的准确性?
我宁愿不使用除 pandas 以外的任何库(例如 Scikit learn)。
您需要使用numpy
,首先在交叉表产品上使用np.diag
以获得对角线的总和,然后在求和之前将交叉表产品转换为 numpy 数组:
import numpy as np
np.random.seed(123)
test_data = pd.DataFrame({'class':np.random.randint(0,2,10),
'predicted':np.random.randint(0,2,10)})
tab = pd.crosstab(test_data['class'], test_data['predicted'])
predicted 0 1
class
0 4 3
1 0 3
tab = pd.crosstab(test_data['class'], test_data['predicted'])
np.diag(tab).sum() / tab.to_numpy().sum()
0.7
还是硬编码? 不知道你为什么要这样做:
(tab.iloc[0,0] + tab.iloc[1,1]) / tab.to_numpy().sum()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.