使用预取数据集用于多标签分类的混淆矩阵

Question

我是Keras和机器学习的新手，我已经适应了此

在本教程中，创建了用于培训和测试的预取数据集，但它没有显示如何从预取数据集中创建混淆矩阵。我遵循此 https：> https： //www.pythonfixing.com/2021/11/fixed-how-to-plot-confusion-matrix-for.html 这也涉及多标签分类（带有3个类的IRIS数据集） 但是我遇到了一个错误：

ValueError                                Traceback (most recent call last)
<ipython-input-81-02116c95e29c> in <module>()
----> 1 confusion_matrix(predicted_categories, true_categories)

1 frames
/usr/local/lib/python3.7/dist-packages/sklearn/metrics/_classification.py in 
_check_targets(y_true, y_pred)
     93         raise ValueError(
     94             "Classification metrics can't handle a mix of {0} and {1} 
targets".format(
---> 95                 type_true, type_pred
     96             )
     97         )

ValueError: Classification metrics can't handle a mix of multiclass and multilabel- 
indicator targets

我的代码在下面：

epochs = 20

shallow_mlp_model = make_model()
shallow_mlp_model.compile(
    loss="binary_crossentropy", optimizer="adam", metrics=["categorical_accuracy"]
)

history = shallow_mlp_model.fit(
    train_dataset, validation_data=validation_dataset, epochs=epochs
)


def plot_result(item):
    plt.plot(history.history[item], label=item)
    plt.plot(history.history["val_" + item], label="val_" + item)
    plt.xlabel("Epochs")
    plt.ylabel(item)
    plt.title("Train and Validation {} Over Epochs".format(item), fontsize=14)
    plt.legend()
    plt.grid()
    plt.show()


plot_result("loss")
plot_result("categorical_accuracy")

_, categorical_acc = shallow_mlp_model.evaluate(test_dataset)
print(f"Categorical accuracy on the test set: {round(categorical_acc * 100, 2)}%.")


predictions=shallow_mlp_model.predict(test_dataset)

predicted_categories = tf.argmax(predictions, axis=1)

true_categories = tf.concat([y for x, y in test_dataset], axis=0)

confusion_matrix(predicted_categories, true_categories)

因此，在这种情况下，任何人都可以帮助我创建混乱矩阵吗？

Answer 1

我找到了解决方案。我的真实标签仍然是一式编码。因此，我在变量“ true_categories”中使用了tf.argmax，并打印了混淆矩阵。

true_categories=tf.argmax(true_categories, axis=1)
confusion_matrix(predicted_categories, true_categories)