Python sklearn预测评估指标混淆矩阵计算示例详解

目录

• 前言
• 混淆矩阵
• python代码

前言

很多时候需要对自己模型进行性能评估，对于一些理论上面的知识我想基本不用说明太多，关于校验模型准确度的指标主要有混淆矩阵、准确率、精确率、召回率、F1 score。另外还有P-R曲线以及AUC/ROC，这些我都有写过相应的理论和具体理论过程：

机器学习：性能度量篇-Python利用鸢尾花数据绘制ROC和AUC曲线

机器学习：性能度量篇-Python利用鸢尾花数据绘制P-R曲线

 这里我们主要进行实践利用sklearn快速实现模型数据校验，完成基础指标计算。

混淆矩阵

查准率（precision）与查全率（recall）是对于需求在信息检索、Web搜索等应用评估性能度量适应度高的检测数值。对于二分类问题，可将真实类别与算法预测类别的组合划分为真正例（ture positive）、假证例（false positive）、真反例（true negative）、假反例（false negative）四种情形。显然TP+FP+TN+FN=样例总数。分类结果为混淆矩阵：

以分类模型中最简单的二分类为例，对于这种问题，我们的模型最终需要判断样本的结果是0还是1，或者说是positive还是negative。 因此，我们就能得到这样四个基础指标，我称他们是一级指标（最底层的）：

• 真实值是positive，模型认为是positive的数量（True Positive=TP）
• 真实值是positive，模型认为是negative的数量（False Negative=FN）：这就是统计学上的第二类错误（Type II Error）
• 真实值是negative，模型认为是positive的数量（False Positive=FP）：这就是统计学上的第一类错误（Type I Error）
• 真实值是negative，模型认为是negative的数量（True Negative=TN）

预测性分类模型，肯定是希望越准越好。那么，对应到混淆矩阵中，那肯定是希望TP与TN的数量大，而FP与FN的数量小。所以当我们得到了模型的混淆矩阵后，就需要去看有多少观测值在第二、四象限对应的位置，这里的数值越多越好；反之，在第一、三象限对应位置出现的观测值肯定是越少越好。

python代码

混淆矩阵一般来说可以有三种实现展示方法，需要前置计算出混淆矩阵数据，这一点使用sklearn就可以实现：

from sklearn.metrics import confusion_matrix
y_true =df_evaluation.state_y
y_pred =df_evaluation.state_x
cm= confusion_matrix(y_true, y_pred,labels=[2,3,4,5])

其中cm就是计算出来的混淆矩阵：

利用sklearn的confusion_matrix函数就可以实现，这里将该函数的参数铺开一下：

sklearn.metrics.confusion_matrix(y_true, 
                                 y_pred, 
                                 *, 
                                 labels=None, 
                                 sample_weight=None, 
                                 normalize=None)

参数说明：

• y_true:对比真值
• y_pred： 预测值
• labels：索引矩阵的标签列表。这可用于重新排序或选择标签的子集。如果给定“无”，则按排序顺序使用在y_true或y_pred中至少出现一次的值。
• sample_weight：样本权重
• normalize：在真（行）、预测（列）条件或所有总体上规范化混淆矩阵。如果“无”，则混淆矩阵将不会被归一化。

得到了混淆矩阵接下来进行数据可视化就好了，这里有三种实现形式，其中matplotlib和seaborn实现方法是一样的，都是热力图实现，另外sklearn自带一个ConfusionMatrixDisplay也可以直接实现热力。 第一种matplotlib/seaborn：

import seaborn as sns
import matplotlib.pyplot as plt
labels=[2,3,4,5]
sns.heatmap(cm,annot=True ,fmt="d",xticklabels=labels,yticklabels=labels)
plt.title('confusion matrix')  # 标题
plt.xlabel('Predict lable')  # x轴
plt.ylabel('True lable')  # y轴
plt.show()

第二种ConfusionMatrixDisplay：

disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=labels)
disp.plot(
    include_values=True,            
    cmap="viridis",                 
    ax=None,                        
    xticks_rotation="horizontal",   
    values_format="d"               
)
plt.show()

这里我主要将一下ConfusionMatrixDisplay.plot()的可选参数：

plot(*, 
     include_values=True, 
     cmap='viridis', 
     xticks_rotation='horizontal', 
     values_format=None, 
     ax=None, 
     colorbar=True, 
     im_kw=None, 
     text_kw=None)

参数说明：

• include_values：bool，default=True。包括混淆矩阵中的值。
• cmap：str or matplotlib Colormap, default=’viridis’。matplotlib识别的颜色映射。
• xticks_rotation： {‘vertical’, ‘horizontal’} or float, default=’horizontal’。旋转xtick标签。
• values_format：str, default=None。混淆矩阵中值的格式规范。如果无，则格式规范为“d”或“.2g”，以较短者为准。
• ax： matplotlib axes, default=None。要绘制的轴对象。如果为“无”，则创建新的图形和轴。
• colorbar：bool, default=True。是否向绘图添加色条。
• im_kw：dict, default=None。使用传递给matplotlib.pyplot.imshow调用的关键字进行读写。
• text_kw：dict, default=None。使用传递给matplotlib.pyplot.text调用的关键字进行读写。

以上就是Python sklearn预测评估指标混淆矩阵计算示例详解的详细内容，更多关于Python sklearn预测评估混淆矩阵的资料请关注脚本之家其它相关文章！