如何打印深度学习 model 中的混淆矩阵？

Question

 def inspection_performance(predicted_fraud, test_fraud): Inspect_Rate = [] Precision=[] Recall=[] for i in range(1,100,1): threshold = np.percentile(predicted_fraud, i) precision = np.mean(test_fraud[predicted_fraud > threshold]) recall = sum(test_fraud[predicted_fraud > threshold])/sum(test_fraud) Inspect_Rate.append(100-i) Precision.append(precision) Recall.append(recall) compiled_conf_matrix = pd.DataFrame({ 'İnceleme Oranı':Inspect_Rate, 'Kesinlik':Precision, 'Hatırlama':Recall, }) return compiled_conf_matrix

我无法打印混淆矩阵结果。 然后我想获得确定性、回忆和 f 分数，但我做不到。 这是我的代码指南。 我怎样才能通过编写类似于下面的代码来获得这个？

from sklearn.metrics import classification_report, confusion_matrix
print(confusion_matrix(y_test, y_pred))

例如，我想最后得到这样的结果。

print(classification_report(y_test, y_pred))

                 precision   recall  f1-score   support

           0       0.96      0.68      0.80     37117
           1       0.14      0.67      0.23      2883

    accuracy                           0.68     40000
   macro avg       0.55      0.68      0.52     40000
weighted avg       0.90      0.68      0.76     40000

我必须写别的东西而不是 y_test 和 y_pred。 但是我不知道怎么写。

• 作为参考，ROC-AUC曲线的代码如下。 这里应该用哪个标签代替 (y_true, y_pred)？

   from matplotlib import pyplot as plt from sklearn.metrics import roc_curve from sklearn.metrics import auc fpr, tpr, _ = roc_curve(test_labels.drop(np.where(np.isnan(y_pred))[0]), np.delete(y_pred, np.where(np.isnan(y_pred))[0])) plt.plot(fpr, tpr, label='ROC curve') plt.plot([0, 1], [0, 1], 'k--', label='Random guess') plt.xlabel('False positive rate') plt.ylabel('True positive rate') plt.title('ROC curve') plt.legend(loc="lower right") plt.show() print('auc: ', auc(fpr, tpr))

• 打印（混淆矩阵（？，？））

• 打印（分类报告（？，？））

基本上有问号的地方应该得到什么？

Answer 1

你的问题很模糊。 你想要混淆矩阵还是分类报告？

1. 关于混淆矩阵，请参考混淆矩阵官方文档。 在这里你会做这样的事情：

from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_true, y_pred))

在哪里，

• y_true：ground_truth 标签

• y_pred：预测标签

现在，在您的情况下，function 有两个参数：predicted_fraud，test_fraud。 test_fraud 是你的ground_truth吗？ 必须有两个标签，即欺诈或无欺诈 (1,0)，如果是，那么，

from sklearn.metrics import confusion_matrix
print(confusion_matrix(test_fraud.classes, predicted_fraud))

2. 分类报告请参考官方文档

from sklearn.metrics import classification_report
target_names = ['fraud', 'No fraud']
print(classification_report(test_fraud.classes, predicted_fraud, target_names=target_names))

分类报告将为您提供每个 class（欺诈，无欺诈）的主要分类指标，例如：精度、召回率、f1 分数、准确率等。

此外，还有一个github 链接，它对我也有帮助，希望对你也有帮助。

Answer 2

我解决了这个问题。 应该发生的事情如下。

from sklearn.metrics import confusion_matrix
print(confusion_matrix(test_labels, y_pred.round()))