ห้องสมุดไพ ธ อนที่สามารถคำนวณเมทริกซ์ความสับสนสำหรับการจำแนกประเภทหลายฉลาก

ฉันกำลังมองหาห้องสมุดหลามที่สามารถคำนวณเมทริกซ์สำหรับการจำแนกประเภทความสับสนหลายป้าย

FYI:

• scikit-Learn ไม่รองรับ multi-label สำหรับ matrix ที่สับสน)
• อะไรคือความแตกต่างระหว่าง Multiclass และ Multilabel Problem

ดูที่scikit-multilearnด้วย มันเป็นห้องสมุดที่ดีมากที่ขยาย sklearn สำหรับการเรียนรู้แบบหลายป้าย อย่างไรก็ตามฉันไม่แน่ใจว่าเมตริกซ์ความสับสนทำงานได้อย่างไรสำหรับปัญหาหลายฉลาก ...

ชายคนนี้อ้างว่าเขาได้แก้ไขแล้ว

Sklearn มีวิธีการในการใช้ซึ่งคุณสามารถคำนวณเมตริกซ์ความสับสนสำหรับหลายคลาส

from sklearn import cross_validation
confusion_matrix(original, Predicted)

ลองmlxtend นี่คือตัวอย่างของกรณีหลายระดับ: http://rasbt.github.io/mlxtend/user_guide/evaluate/confusion_matrix/#example-2-multi-class-classification

มีพารามิเตอร์ที่แตกต่างกันมากมายซึ่งสามารถประเมินประสิทธิภาพของวิธีการของคุณโดยการเปรียบเทียบป้ายกำกับที่แท้จริงและที่คาดการณ์ไว้ ฉันขอแนะนำโมดูลPyCMที่สามารถให้พารามิเตอร์เหล่านี้ได้หลากหลายซึ่งเหมาะสำหรับการจำแนกประเภทหลายชั้น

Scikit-Learn รองรับเมทริกซ์ความสับสนแบบหลายฉลาก ดูลิงค์ด้านล่างสำหรับเอกสารและคู่มือผู้ใช้:

http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

http://scikit-learn.org/stable/modules/model_evaluation.html#confusion-matrix

ดูห้องสมุดsed_eval มันถูกพัฒนาขึ้นสำหรับการประเมินการตรวจจับเหตุการณ์ในเสียงซึ่งเป็นปัญหาหลายป้าย (ในแต่ละเสียงมีหลายเหตุการณ์อยู่) พวกเขามีตัวเลือกการประเมินมากมายซึ่งอาจเหมาะกับความต้องการของคุณ คุณสามารถได้อัตราจริงบวก ... และจากนั้นการคำนวณเมทริกซ์ความสับสนนั้นไม่ยาก

แม้ว่าคำถามนี้จะเก่า แต่ฉันเขียนคำตอบนี้สำหรับผู้ชมใหม่
เรียนรู้ scikit ตอนนี้สนับสนุนเมทริกซ์ความสับสนสำหรับการจัดหมวดหมู่หลายฉลาก

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.multilabel_confusion_matrix.html