仅考虑预测>阈值的混淆矩阵答案

【问题标题】：Confusion Matrix only considering predictions > threshold仅考虑预测>阈值的混淆矩阵
【发布时间】：2020-09-17 23:06:05
【问题描述】：

我的网络的输出层是

model.add(Dense(2, activation=activations.softmax))

输出一个热编码类别预测。

model.predict 因此返回 n 个预测，如

[9.9584144e-01, 4.1585001e-03],
[7.5779420e-01, 2.4220583e-01],
...

我现在不仅想要通过 sklearn 提供的完整混淆矩阵

metrics.confusion_matrix(y_TEST.argmax(axis=1), y_pred.argmax(axis=1), normalize='pred')

但我想看看混淆矩阵仅适用于最大预测大于给定阈值的情况。

有点像

metrics.confusion_matrix(y_TEST.argmax(axis=1), y_pred.argmax(axis=1), normalize='pred', 
                         min_confidence_threshold='0.9')

sklearn 或此处的任何标准工具是否提供类似的功能？

如果不是，我将如何根据其中一个数组的条件过滤两个数组（y_TEST，y_pred）？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

这是一个可以做到这一点的函数：

def threshold_matrix(labels,probs,threshold=0):
    assert 0 <= threshold <= 1
    t_map = lambda x : 1 if tf.math.reduce_max(x) > threshold else 0
    thres = tf.map_fn(t_map, probs)

    pred  = tf.boolean_mask(tf.argmax(probs,1),thres)
    labs  = tf.boolean_mask(tf.cast(labels, tf.int64),thres)

    return tf.math.confusion_matrix(labs,pred)

【讨论】：