使用 disarray 包获得误报、误报、...指标

Question

Disarray python 包是一种从混淆矩阵中提取假阳性/阴性、真阳​​性/阴性的便捷方法。 保存模型并用pickle和joblib重新加载的例子有很多。 但是，似乎在新文本上使用保存的文本分类模型并不容易。 我有一个名为“corp”的已保存 ML 模型，我在名为“envi”的数据集上使用它，我的目标是获得提及的这些指标。 但我不能，非常感谢专家的帮助。 代码：

from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix
import numpy as np
import pandas as pd
import disarray
import pickle
from sklearn import model_selection
from sklearn.feature_extraction.text import CountVectorizer

entry='envi.csv'
df=pd.read_csv(entry)
filename='corp.sav'  # model trained on two classes
i=filename
print (i)
y=df['class']
X=df['data']
class_names = y.unique() # this is one class
print (class_names)
test_size=0.90
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=test_size, random_state=0)
vect = CountVectorizer(ngram_range=(1,2), max_features=1000, analyzer='word', min_df=0.02, max_df=0.85)
X_testVec = vect.fit_transform(X_test)
#y_testVec = vect.fit_transform(y_test)
print((y_test).head(5))
loaded_model = pickle.load(open(filename, 'rb'))
y_pred = loaded_model.predict(X_testVec)
result = loaded_model.score(X_testVec, y_test)
print(result)
cm = confusion_matrix(y_test, y_pred)
df2 = pd.DataFrame(cm, index=class_names, columns=class_names, dtype=int)
a=df2.da.export_metrics(metrics_to_include=['accuracy', 'f1', 'false_negative_rate', 'false_positive_rate', 'true_negative_rate', 'true_positive_rate'])
print(a)

它显示此错误消息：ValueError：传递的值的形状为 (3, 3)，索引表示 (1, 1)

可以从这里下载保存的 ML 模型和输入数据。 请帮忙，