考虑到所有类，如何找到所有真阳性、阴性和假阳性和阴性答案

【问题标题】：How to find all the True Positives,negatives and False Positives and Negatives considering all the classes考虑到所有类，如何找到所有真阳性、阴性和假阳性和阴性
【发布时间】：2020-10-31 23:47:10
【问题描述】：

对于我知道所需输出的较小数据集，我也可以这样做

例如：我有数据集：

y_true=[1,1,0,1]
y_pred=[1,0,0,0]

我可以编写函数来查找所有真假阳性和阴性：

def measures(y_pred, y_true):
    TP = 0
    FP = 0
    TN = 0
    FN = 0

    for i in range(len(y_pred)): 
        if y_true[i]==y_pred[i]==1:
           TP += 1
        if y_pred[i]==1 and y_true[i]!=y_pred[i]:
           FP += 1
        if y_true[i]==y_pred[i]==0:
           TN += 1
        if y_pred[i]==0 and y_true[i]!=y_pred[i]:
           FN += 1

    return(TP, FP, TN, FN)

但是，如果我打算为多个标签找到相同的东西怎么办，像这样：

y_true=[1,2,0,1,3]
y_pred=[1,0,3,2,1]

所以我想找到所有的 TP_total、TN_total、FP_total 和 FN_total 考虑每个标签'1','2','0','3'

我该怎么做

【问题讨论】：

查看混淆矩阵，列代表实际类别，行代表预测类别

标签： python machine-learning scikit-learn classification

【解决方案1】：

在 Python 中，scikit-learn 包 (https://scikit-learn.org/stable/index.html) 提供了一个函数，该函数将返回分类问题（二进制或多类）的混淆矩阵，confusion_matrix 函数（请参阅 https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html）。使用混淆矩阵，您可以获得真阳性、真阴性、假阳性和假阴性。

下图（取自https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#sphx-glr-auto-examples-miscellaneous-plot-display-object-visualization-py）说明了使用 scikit-learn 生成的二元分类混淆矩阵。在图中，假阳性在左上角（140），真阳性在右下角（5），假阴性在左下角（39），假阳性在右上角（3）。

在多类设置中，解释是相似的。但是，您的错误将与多个类相关联，而不仅仅是单个类（例如在二元分类设置中）。

我希望这可能会有所帮助！

【讨论】：

【解决方案2】：

由于您在问题中标记了Scikit-Learn，因此除了精度、召回率、准确度、F1-Score 和支持等各种分类指标外，您还可以获得关于真/假阳性和阴性的非常好的见解。 .. 直接使用 Classification Report 和 Confusion Matrix 返回您想要的内容（示例）：

tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel()

或者你可以使用Plot Confusion Matrix来绘制它。

（示例在链接中）

以下是一些示例：

【讨论】：