python - 混淆矩阵准确性评估非等长用户和生产者数据集

Question

我正在尝试执行以下分类评估：

我的问题是我的分类有超过 3000000 个分类像素，而我的训练数据集只有大约 30-40 个（可以说明的每个类有 10-15 个）。

我的数据集都具有以下相同的布局：

训练行示例 = [[230,40,120,2]] 前三个值是像素色带（BGR），最后一个是规定的输出类（我们可以 1-3）。

我正在将训练数据作为 csv 文件读取并转换为 pandas 数据框。

问题：即使我在两个数据集中有不同数量的预测和实际数据值，是否可以使用此方法？如果是这样，不确定第 9 行到第 13 行的用途。

代码：

b,g,r = cv2.split(img)
# Pandas dataset
dataSet = pd.DataFrame({'bBnad':b.flat[:],'gBnad':g.flat[:],'rBnad':r.flat[:]})
dataSet['class'] = X_clustered
training = pd.read_csv("/Users/chrisradford/Documents/School/Masters/RA/Classifier/Python/Training.csv")

标签： pythonpandasclassificationconfusion-matrix