machine-learning - 如何从预测的类别概率中准备混淆矩阵?
问题描述
有一个使用给定训练数据创建的朴素贝叶斯分类器。在表中,显示了预测的正类概率和实际的类标签。我想准备混淆矩阵,但只知道概率我无法找到如何去做。
ID | 实际类标签 | 预测的正类概率 |
---|---|---|
1 | + | 0.6 |
2 | + | 0.8 |
3 | - | 0.2 |
4 | + | 0.3 |
5 | - | 0.4 |
解决方案
首先,您需要有离散的类标签来计算混淆矩阵。在预测的正类概率上定义一个阈值以预测类标签 (y_pred)。然后,您可以使用实际的类标签 (y_actual) 和 y_pred 来计算混淆矩阵。
from sklearn.metrics import confusion_matrix
confusion_matrix(y_actual, y_pred)
推荐阅读
- python - pytest.skip 针对特定异常
- python - 如果值等于值列表中的一个 Python,if 语句是否有办法返回真?
- .net - 在 Azure DevOps 管道中使用 .NET Framework 中的实体框架更新数据库
- javascript - 使用 Symbol.iterator 访问 ProxyObject 的迭代器
- sql - 错误 (4,125): PL/SQL: ORA-00933: SQL 命令未正确结束
- html - CSS中奇怪的黑色边框
- javascript - 如何防止在 React 中使用纯子级重新渲染纯组件?
- python - 我需要用泡菜来保存字典
- java - Spring Data 中的 Pageable + @Query + JOIN (fetch?) 不起作用
- python - 定制词汇的一种热编码