写一个以正类为输入的混淆矩阵函数
写一个以正类为输入的混淆矩阵函数
提问于 2021-11-14 11:50:05
我想创建一个混淆矩阵，而不依赖于任何包。我有两个列表(预测值和实际值)，我想把它们和一个正类的指示器一起输入到一个函数中。
例如，当1为正类时：
predicted_lst = [1, 0, 1, 0, 0]
actual_lst = [1, 0, 0, 1, 1]我的函数目前看起来是这样的，但它的效率很低：
def confusion_matrix(predicted, actual, pos_class):
TP = 0
TN = 0
FP = 0
FN = 0
for i in range(len(actual)):
if actual[i] == pos_class and predicted[i] == pos_class:
TP +=1
elif actual[i] == pos_class and predicted[i] != pos_class:
FN +=1
elif actual[i] != pos_class and predicted[i] == pos_class:
FP +=1
else:
TN +=1
return TP, FP, TN, FN我的问题是，有没有更有效的方法来编写这些代码？我看到了these posts，但它们并不像我希望的那样将正类作为函数输入。我也根本不想使用任何包(包括numpy)
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-11-14 22:56:43
请看下面的几个替代解决方案。
选项1：
def confmat_1(actual, predicted, positive, negative):
tn = len([x for x in zip(predicted, actual) if x[0] == negative and x[1] == negative])
fp = len([x for x in zip(predicted, actual) if x[0] == positive and x[1] == negative])
fn = len([x for x in zip(predicted, actual) if x[0] == negative and x[1] == positive])
tp = len([x for x in zip(predicted, actual) if x[0] == positive and x[1] == positive])
return tn, fp, fn, tp选项2：
def confmat_2(actual, predicted, positive, negative):
tn = 0
fp = 0
fn = 0
tp = 0
for x in zip(predicted, actual):
if x[0] == negative and x[1] == negative:
tn += 1
elif x[0] == positive and x[1] == negative:
fp += 1
elif x[0] == negative and x[1] == positive:
fn += 1
else:
tp += 1
return tn, fp, fn, tp示例：
from sklearn.metrics import confusion_matrix
actual = [1, 0, 0, 1, 1]
predicted = [1, 0, 1, 0, 0]
# Option 1
tn, fp, fn, tp = confmat_1(actual, predicted, positive=1, negative=0)
print(tn, fp, fn, tp)
# 1 1 2 1
# Option 2
tn, fp, fn, tp = confmat_2(actual, predicted, positive=1, negative=0)
print(tn, fp, fn, tp)
# 1 1 2 1
# Scikit-learn
tn, fp, fn, tp = confusion_matrix(actual, predicted).ravel()
print(tn, fp, fn, tp)
# 1 1 2 1Stack Overflow用户
发布于 2021-11-14 13:27:38
您可以假设1是正数类来编写函数，如果0是正数类，则只需相应地更改返回值的顺序就可以适应pos_class参数。
在循环内部，您可以删除FP和FN的增量计算，因为这些值可以从循环外部的真值派生：
def confusion_matrix(predicted, actual, pos_class):
TP = 0
TN = 0
for pred, act in zip(predicted, actual):
if pred == act:
if act == 0:
TN += 1
else:
TP += 1
positive = sum(predicted)
negative = len(predicted) - positive
FP = positive - TP
FN = negative - TN
if pos_class == 1:
return TP, FP, TN, FN
else:
return TN, FN, TP, FP页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69966608
复制相关文章
相似问题
💥开发者 MCP广场重磅上线！
精选全网热门MCP server，让你的AI更好用 🚀
腾讯云开发者
