NumPy 的误报率 (FPR)

Question

我必须仅使用 numpy 方法来计算多类分类的误报率。我有两个 numpy 数组，一个用于预测（(m, k) 形状：m 是样本元素的计数，k 是类别的计数），另一个用于真实标签（(m,) 形状）。

我已经做了什么：确定所有行（prediction_labels 数组）的预测（正）元素 indeces，为唯一类别（true_labels）制作一组。

我想要做的：同时迭代 Prediction_labels 和 y_true 数组，并计算给定元素（true_labels 中的每个唯一值）在同一位置是否相等。所以我想按数组中的类别确定误报计数 (false_positive_counts)

例如：

def false_positive_rate(y_pred, y_true):
    prediction_labels = np.argmax(y_pred, axis=1)
    true_labels = np.unique(y_true)
    false_positive_counts = ... # ?
    ...
    return fpr

y_pred = np.array([[1., 0., 0., 0.],
                   [1., 0., 0., 0.], 
                   [0., 0., 1., 0.],
                   [0., 0., 1., 0.],
                   [0., 1., 0., 0.],
                   [0., 0., 0., 1.],
                  ])  # [0,0,2,2,1,3]
y_true = np.array([0, 2, 1, 1, 1, 3])
print(false_positive_rate(y_pred, y_true))   # 3/20

Answer 1

你的预测有积极的和消极的。
但是，答案中没有错误。

因此，你的 FPR 始终为 1。

def false_positive_rate(y_pred_raw, y_true):
    y_pred = np.argmax(y_pred_raw, axis=1)
    TP, FP, FN, TN = 0,0,0,0
    for pp, tt in zip(y_pred, y_true):
        if   pp==tt: TP+=1;
        elif pp!=tt: FP+=1;
        # there is no case for FN, TN
    print(f"TP={TP}, FP={FP}, FN={FN}, TN={TN}");
    FPR = FP/ (TN+FP);
    return FPR