Python-Bibliothek, die die Verwirrungsmatrix für die Klassifizierung mehrerer Labels berechnen kann

Ich suche nach einer Python-Bibliothek, die die Verwirrungsmatrix für die Klassifizierung mehrerer Labels berechnen kann .

Zu Ihrer Information:

• scikit-learn unterstützt kein Multi-Label für Verwirrungsmatrix)
• Was ist der Unterschied zwischen Multiclass und Multilabel Problem?

Schauen Sie sich auch scikit-multilearn an . Es ist eine sehr gute Bibliothek, die sklearn für das Lernen mit mehreren Labels erweitert. Ich bin mir jedoch nicht sicher, wie die Verwirrungsmatrix bei Problemen mit mehreren Etiketten funktioniert ...

Dieser Typ behauptet, er habe es gelöst.

Sklearn verfügt über eine Methode, mit der Sie die Verwirrungsmatrix für mehrere Klassen berechnen können.

from sklearn import cross_validation
confusion_matrix(original, Predicted)

Versuchen Sie es mit mlxtend . Hier ist ein Beispiel für einen Fall mit mehreren Klassen: http://rasbt.github.io/mlxtend/user_guide/evaluate/confusion_matrix/#example-2-multi-class-classification

Es gibt viele verschiedene Parameter, mit denen Sie die Leistung Ihrer Methode bewerten können, indem Sie die tatsächlichen und vorhergesagten Bezeichnungen vergleichen. Ich schlage ein PyCM- Modul vor, das eine Vielzahl dieser Parameter liefern kann, die für die Klassifizierung mehrerer Klassen geeignet sind.

Scikit-learn unterstützt die Multi-Label-Verwirrungsmatrix. Dokumentation und Benutzerhandbuch finden Sie unter den folgenden Links:

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

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

Schauen Sie sich die sed_eval- Bibliothek an. Es wurde zur Bewertung der Ereigniserkennung in Audio entwickelt, bei der es sich um ein Multi-Label-Problem handelt (wie bei jedem Audio existieren mehrere Ereignisse). Sie haben viele Bewertungsoptionen, die möglicherweise Ihren Anforderungen entsprechen. Sie können die wahr-positive Rate erhalten, ... und von dort aus ist die Berechnung der Verwirrungsmatrix nicht so schwierig.

Obwohl diese Frage alt ist, schreibe ich diese Antwort für ein neues Publikum.
scikit-learn unterstützt jetzt die Verwirrungsmatrix für die Klassifizierung mehrerer Labels.

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