机器学习：混淆矩阵中的错误答案

【问题标题】：Machine Learning: Getting error in Confusion Matrix机器学习：混淆矩阵中的错误
【发布时间】：2019-04-05 07:46:27
【问题描述】：

在运行随机森林回归模型时，我在运行混淆矩阵时遇到错误。该模型能够预测 y_pred，但我无法检查准确度，因为我无法运行准确度矩阵。

数据类型：

type(y_test)
Out[124]: numpy.ndarray

type(y_pred)
Out[125]: numpy.ndarray

下面是我的混淆矩阵代码：

from sklearn.metrics import confusion_matrix
matrix = confusion_matrix(y_test, y_pred)

print(matrix)

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)

错误：

confusion_matrix(y_test, y_pred)

Traceback (most recent call last):

File "<ipython-input-121-7a3dbcfd18a0>", line 1, in <module>
confusion_matrix(y_test, y_pred)

File "/Users/srikantswamy/anaconda3/lib/python3.6/site-packages/sklearn  /metrics/classification.py", line 253, in confusion_matrix
y_type, y_true, y_pred = _check_targets(y_true, y_pred)

File "/Users/srikantswamy/anaconda3/lib/python3.6/site-packages/sklearn /metrics/classification.py", line 88, in _check_targets
raise ValueError("{0} is not supported".format(y_type))

ValueError: continuous is not supported

【问题讨论】：

标签： python machine-learning regression random-forest confusion-matrix

【解决方案1】：

监督学习解决的主要问题是回归和分类。有不同的方法可以区分它们，但基本上如果你的输出是连续的，比如你输入一个向量并期望一个实数作为输出，你就会面临一个回归问题，而如果你的输出由类组成（离散输出），假设您输入一个向量并期望一个是或否、一个 0 到 9 的数字、一种动物等。您正面临分类问题。

在分类问题中，您可以使用准确度、错误分类、交叉熵、f1 分数等指标，因为它们依赖于检查输入是否在正确的类别中被预测，但在回归中没有办法做到这一点问题，试着想象一个具有无限类的混淆矩阵。在回归中，常见的度量标准有均方误差和平均绝对误差。

总结：

如果您遇到分类问题，您应该切换到其他模型，例如随机森林分类器。
如果您遇到回归问题，您应该切换到另一个指标，例如均方误差。使用此指标的有用可视化可能是错误的直方图。

【讨论】：

感谢这真的很有帮助。是的，我的预测输出是浮点数。

【解决方案2】：

给出一个简单的答案：混淆矩阵是一个表格，通常用于描述分类模型（或“分类器”）的性能。在您的情况下，您试图找到连续变量的混淆矩阵。对于回归使用均方误差。看看这个讲座pdf：http://www.it.uu.se/edu/course/homepage/sml/lectures/lecture3_handout.pdf

【讨论】：

谢谢，是的，我的输出是浮点数。