如何打印深度學習 model 中的混淆矩陣？

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

我無法打印混淆矩陣結果。 然后我想獲得確定性、回憶和 f 分數，但我做不到。 這是我的代碼指南。 我怎樣才能通過編寫類似於下面的代碼來獲得這個？

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

例如，我想最后得到這樣的結果。

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

我必須寫別的東西而不是 y_test 和 y_pred。 但是我不知道怎么寫。

• 作為參考，ROC-AUC曲線的代碼如下。 這里應該用哪個標簽代替 (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（混淆矩陣（？，？））

• 打印（分類報告（？，？））

基本上有問號的地方應該得到什么？

Answer 1

你的問題很模糊。 你想要混淆矩陣還是分類報告？

1. 關於混淆矩陣，請參考混淆矩陣官方文檔。 在這里你會做這樣的事情：

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

在哪里，

• y_true：ground_truth 標簽

• y_pred：預測標簽

現在，在您的情況下，function 有兩個參數：predicted_fraud，test_fraud。 test_fraud 是你的ground_truth嗎？ 必須有兩個標簽，即欺詐或無欺詐 (1,0)，如果是，那么，

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

2. 分類報告請參考官方文檔

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

分類報告將為您提供每個 class（欺詐，無欺詐）的主要分類指標，例如：精度、召回率、f1 分數、准確率等。

此外，還有一個github 鏈接，它對我也有幫助，希望對你也有幫助。

Answer 2

我解決了這個問題。 應該發生的事情如下。

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