根據每個輸入元素返回 tp, tn, fn, fp

Question

我有一個 csv 文件，其中包含與 ID 關聯的真實和預測標簽（4 個類）。 csv 文件如下所示：

task_id,labels_true,labels_pred
76017-126511-18,2,2
76017-126512-18,0,3
76017-126513-18,2,2
76018-126511-18,2,2
76018-126512-18,2,2
76018-126513-18,2,1
76019-126511-18,2,2
76019-126512-18,1,0

我正在使用來自sklearn.metrics的混淆矩陣

y_true = df["labels_true"]
y_pred = df["labels_pred"]

cnf_matrix = confusion_matrix(y_true, y_pred, labels=[0,1,2,3])

它返回一個數組，如下所示：

[[ 554    1   28    0]
[  15  1375   43    0]
[  42   476 2263    0]
[   0    0    0    0]]

我的目標是返回一個列表，每個元素 ID 與相應的 tp、tn、fp、fn 值相關聯，如下所示：

task_id,labels_true,labels_pred, cm
76017-126511-18,2,2, tp 
76017-126513-18,2,2, tp
76018-126511-18,2,2, tp

Answer 1

這是一個多類混淆矩陣。 真/假陽性用於二元分類問題。 您可以做的是將您的標簽編碼為二進制值（例如，將類 1、2、3 編碼為 1）並重新計算混淆矩陣。

Answer 2

TL; DR：對於多級的情況下，這是不可能的。

---

如前所述，真陽性 (TP)、真陰性 (TN)、假陽性 (FP) 和假陰性 (FN) 的概念來自二元分類設置； 他們的確可以多類分類中使用，如圖所示這里，但在這種情況下，概念不是二進制的情況的直接擴展，讓你在這里問什么實際上是不可能的。

在多類分類中，所有這些概念都是按類定義和計算的。 這使得將樣本唯一標識為屬於這些類別（TP、FP、TN、FN）中的一種且僅一種的努力變得不可能。

讓我們通過一些示例來演示這一點，使用您的案例（4 個類[0, 1, 2, 3] ）。

首先取一個錯誤分類的樣本，例如：

True label:      0
Predicted label: 3

• 從0類的角度（POV）來看，這是一個假陰性（FN）：預測不是0 ，因為它應該是
• 從第1類的 POV 來看，這是一個 True Negative：它不是1 ，並且它已被正確分類為 not 1
• 從第2類的 POV 來看，這又是一個真陰性 (TN)：它不是2 ，並且它已被正確分類為非2
• 從第3類的 POV 來看，這是一個誤報（FP）：它被錯誤地歸類為3而不是這樣

類似的情況是正確分類的情況，例如

True label:      2
Predicted label: 2

• 從0類的 POV 來看，這是一個真陰性 (TN)：它不是0 ，並且它已被正確分類為非0
• 從第1類的 POV 來看，這是一個真陰性 (TN)：它不是1 ，並且它已被正確地歸類為 not 1
• 從第2類的 POV 來看，這是真陽性 (TP)
• 從第3類的 POV 來看，這是一個真負 (TN)：它不是3 ，並且它已被正確分類為不是3

---

鑒於此說明，希望您能清楚地知道，在多類情況下，您所要求的實際上是不可能的。