如何在混淆矩阵中显示精度
How to show precision in a confusion matrix
我正在使用 scikit learn，我想以混淆矩阵的形式显示精度。所以我有这个混淆矩阵：
array([[1266, 45, 6],
[ 25, 1507, 19],
[ 36, 82, 858]], dtype=int64)
我应用了这段代码，来自另一个post这里：
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
输出是：
array([[0.96127563, 0.03416856, 0.00455581],
[0.01611863, 0.97163121, 0.01225016],
[0.03688525, 0.08401639, 0.87909836]])
但是，这是召回率，不是准确率。我怎样才能让它显示精度？
精度的答案是
import numpy as np
precision = np.diag(cm) / np.sum(cm, axis = 0)
精度为 TP/(TP+FP) 因此对角线值是真阳性和列的总和。
更新一：
根据您的评论
precision = []
for x in np.nditer(cm):
precision.append(x / np.sum(cm, axis = 0))
找到了，把axis=1换成axis=0就可以了
cm = cm.astype('float') / cm.sum(axis=0)[:, np.newaxis]
好的，但是这段代码有问题，我有这样的输出：
array([[0.954, 0.034, 0.005],
[0.015, 0.922, 0.012],
[0.041, 0.093, 0.972]])
当您对任何行求和时，它应该等于 1，但事实并非如此。
已解决
使用这个：
C / C.astype(np.float).sum(axis=0)
我正在使用 scikit learn，我想以混淆矩阵的形式显示精度。所以我有这个混淆矩阵：
array([[1266, 45, 6],
[ 25, 1507, 19],
[ 36, 82, 858]], dtype=int64)
我应用了这段代码，来自另一个post这里：
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
输出是：
array([[0.96127563, 0.03416856, 0.00455581],
[0.01611863, 0.97163121, 0.01225016],
[0.03688525, 0.08401639, 0.87909836]])
但是，这是召回率，不是准确率。我怎样才能让它显示精度？
精度的答案是
import numpy as np
precision = np.diag(cm) / np.sum(cm, axis = 0)
精度为 TP/(TP+FP) 因此对角线值是真阳性和列的总和。
更新一： 根据您的评论
precision = []
for x in np.nditer(cm):
precision.append(x / np.sum(cm, axis = 0))
找到了，把axis=1换成axis=0就可以了
cm = cm.astype('float') / cm.sum(axis=0)[:, np.newaxis]
好的，但是这段代码有问题，我有这样的输出：
array([[0.954, 0.034, 0.005],
[0.015, 0.922, 0.012],
[0.041, 0.093, 0.972]])
当您对任何行求和时，它应该等于 1，但事实并非如此。
已解决
使用这个：
C / C.astype(np.float).sum(axis=0)