混淆矩阵错误：实际值和预测值之间的数据类型不匹配

Question

原始数据集如上图所示。 CO(ppm) 是因变量。

model = Sequential()
#First Hidden Layer
model.add(Dense(64, activation='relu', kernel_initializer='random_normal', input_dim=19))
#Second  Hidden Layer
model.add(Dense(4, activation='relu', kernel_initializer='random_normal'))
#model.add(Dropout(0.3))
#Output Layer
model.add(Dense(1, activation='sigmoid', kernel_initializer='random_normal'))

对于上面显示的二元分类问题，我试图获得混淆矩阵。 我有由 y_pred 和 y_test 生成的数组，并且数据类型不匹配，因为 y_pred 输出 从 0 到 1（sigmoid 激活函数）的值范围，并且 y_test 有一个由 仅 0 组成的数组和 1 秒。

如果有人能帮我找出一种方法来为此绘制混淆矩阵，我将不胜感激。

谢谢。

Answer 1

假设任何预测类大于或等于 0.5，并且假设最终激活映射了 0 和 1 之间的任何值（不包括在内），您可以执行以下操作：

y_pred = np.where(y_pred >= 0.5, 1, 0)

任何大于等于 0.5 的值都将被映射为 1，否则为 0。之后您可以使用 sklearn 的混淆矩阵方法获得混淆矩阵：

sklearn.metrics.confusion_matrix(y_true, y_pred)

例子：

y_true = np.array([1, 0, 0, 1, 1, 1, 0, 0])

y_pred = np.array([0.8, 0.1, 0.4, 0.6, 0.9, 0.69, 0.46, 0.21])
y_pred = np.where(y_pred >= 0.5, 1, 0)

sklearn.metrics.confusion_matrix(y_true, y_pred)

输出：

array([[4, 0],
       [0, 4]])