如何在 Python 中找到真阳性、真阴性、假阳性、假阴性 [关闭]

Question

我在 Python 中训练了一个分类器，我想在进行新分类时找到真阳性、真阴性、假阳性、假阴性。 问题是，我的 true_labels 每次都包含一个值点，因为在我正在调查的问题中，我只有一个标签，我想看看分类器在识别这个标签时在新数据上的表现如何。例如：

labels_true = [2, 2, 2, 2, ..., 2]
labels_predicted = [2, 2, 23, 2, 2, 2, 2, 21, ..., 2, 2, 2, 2]

当然是`len(labels_true)=len(labels_predicted)。由于我只有一个真正的标签，我该如何计算上述指标？

Answer 1

如果您的 label_true 仅包含 true 值，则您只能找到真阳性 (TP) 和假阴性 (FN)，因为没有可以找到的假值（真阴性 TN）或遗漏（假阳性） FP)

TP,TN,FP,FN 适用于二分类问题。要么分析整个混淆矩阵，要么进行分箱以获得二元问题

这是一个分箱解决方案：

from collections import Counter

truth      = [1, 2, 1, 2, 1, 1, 1, 2, 1, 3, 4, 1]
prediction = [1, 1, 2, 1, 1, 2, 1, 2, 1, 4, 4, 3]

confusion_matrix = Counter()

#say class 1, 3 are true; all other classes are false
positives = [1, 3]

binary_truth = [x in positives for x in truth]
binary_prediction = [x in positives for x in prediction]
print binary_truth
print binary_prediction

for t, p in zip(binary_truth, binary_prediction):
    confusion_matrix[t,p] += 1

print "TP: {} TN: {} FP: {} FN: {}".format(confusion_matrix[True,True], confusion_matrix[False,False], confusion_matrix[False,True], confusion_matrix[True,False])

编辑：这是一个完整的混淆矩阵

from collections import Counter

truth      = [1, 2, 1, 2, 1, 1, 1, 2, 1, 3, 4, 1]
prediction = [1, 1, 2, 1, 1, 2, 1, 2, 1, 4, 4, 3]

# make confusion matrix
confusion_matrix = Counter()
for t, p in zip(truth, prediction):
    confusion_matrix[t,p] += 1

# print confusion matrix
labels = set(truth + prediction)
print "t/p",
for p in sorted(labels):
    print p,
print
for t in sorted(labels):
    print t,
    for p in sorted(labels):
        print confusion_matrix[t,p],
    print