获得多类分类的最差预测类

Question

我正在研究一个多class class化问题，我有很多不同的 classes (50+)。

问题是，我想突出显示最差的预测 classes（例如，在混淆矩阵或其他方面），以便在我的 classifier 中做一些进一步的调整。

我的预测和测试数据保存在一个列表中（来自 sklearn 的小例子）：

y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])

如何从矩阵中得到本例中的 class 1？那里的预测是完全错误的。有没有办法根据 classes 的真阳性预测对它们进行排序？

Answer 1

您可以使用 scikit-learn 中的 classifiction_report，它将 return 字典，具有精确度、召回率和 F 分数。然后你可以按排序方式打印字典，这样你就可以很容易地看到最差的预测 class。

#prints classification_report     
print(classification_report(y_true, y_pred)

#returns a dict, which you can easily sort by prediction
report = classification_report(y_true, y_pred, output_dict=True)

Answer 2

您可以为此使用一个简单的函数：

def print_class_accuracies(confusion_matrix):
    # get the number of occurrences for each class
    counts = {cl: y_true.count(cl) for cl in set(y_true)}
    # extract the diagonal values (true positives)
    tps = dict(enumerate(conf.diagonal()))
    # Get the accuracy for each class, preventing ZeroDivisionErrors
    pred_accuracy = {cl: tps[cl]/counts.get(cl, 1) for cl in tps}
    # Get a ranking, worst accuracies are first/lowest
    ranking = sorted([(acc,cl) for cl, acc in pred_accuracy.items()])
    # Pretty print it
    for acc, cl in ranking:
        print(f"Class {cl}: accuracy: {acc:.2f}")

获得多类分类的最差预测类

Get worst predicted classes of multiclass classification

python

confusion-matrix

scikit-learn

获得多类分类的最差预测 类

Get worst predicted classes of multiclass classification

python

confusion-matrix

scikit-learn

获得多类分类的最差预测类