भ्रम मैट्रिक्स त्रुटि सरणी आयाम आकार 3

Question

इस कोड के होते हैं:

from pandas_ml import ConfusionMatrix 
y_actu = [1,2] 
y_pred = [1,2] 
cm = ConfusionMatrix(y_actu, y_pred) 
cm.print_stats() 

प्रिंट:

population: 2 
P: 1 
N: 1 
PositiveTest: 1 
NegativeTest: 1 
TP: 1 
TN: 1 
FP: 0 
FN: 0 
TPR: 1.0 
TNR: 1.0 
PPV: 1.0 
NPV: 1.0 
FPR: 0.0 
FDR: 0.0 
FNR: 0.0 
ACC: 1.0 
F1_score: 1.0 
MCC: 1.0 
informedness: 1.0 
markedness: 1.0 
prevalence: 0.5 
LRP: inf 
LRN: 0.0 
DOR: inf 
FOR: 0.0 
/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/bcm.py:332: RuntimeWarning: divide by zero encountered in double_scalars 
    return(np.float64(self.TPR)/self.FPR) 

यह आशा की जाती है।

को संशोधित कोड के लिए:

from pandas_ml import ConfusionMatrix 
y_actu = [1,2,3] 
y_pred = [1,2,3] 
cm = ConfusionMatrix(y_actu, y_pred) 
cm.print_stats() 

परिवर्तन मैंने बनाया है: त्रुटि में

y_actu = [1,2,3] 
y_pred = [1,2,3] 

परिणाम:

OrderedDict([('Accuracy', 1.0), ('95% CI', (0.29240177382128668, nan)), ('No Information Rate', 'ToDo'), ('P-Value [Acc > NIR]', 0.29629629629629622), ('Kappa', 1.0), ("Mcnemar's Test P-Value", 'ToDo')]) 

ValueErrorTraceback (most recent call last) 
<ipython-input-30-d8c5dc2bea73> in <module>() 
     3 y_pred = [1,2,3] 
     4 cm = ConfusionMatrix(y_actu, y_pred) 
----> 5 cm.print_stats() 

/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/abstract.py in print_stats(self, lst_stats) 
    446   Prints statistics 
    447   """ 
--> 448   print(self._str_stats(lst_stats)) 
    449 
    450  def get(self, actual=None, predicted=None): 

/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/abstract.py in _str_stats(self, lst_stats) 
    427   } 
    428 
--> 429   stats = self.stats(lst_stats) 
    430 
    431   d_stats_str = collections.OrderedDict([ 

/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/abstract.py in stats(self, lst_stats) 
    390   d_stats = collections.OrderedDict() 
    391   d_stats['cm'] = self 
--> 392   d_stats['overall'] = self.stats_overall 
    393   d_stats['class'] = self.stats_class 
    394   return(d_stats) 

/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/cm.py in __getattr__(self, attr) 
    33   Returns (weighted) average statistics 
    34   """ 
---> 35   return(self._avg_stat(attr)) 

/opt/conda/lib/python3.5/site-packages/pandas_ml/confusion_matrix/abstract.py in _avg_stat(self, stat) 
    509    v = getattr(binary_cm, stat) 
    510    print(v) 
--> 511    s_values[cls] = v 
    512   value = (s_values * self.true).sum()/self.population 
    513   return(value) 

/opt/conda/lib/python3.5/site-packages/pandas/core/series.py in __setitem__(self, key, value) 
    771   # do the setitem 
    772   cacher_needs_updating = self._check_is_chained_assignment_possible() 
--> 773   setitem(key, value) 
    774   if cacher_needs_updating: 
    775    self._maybe_update_cacher() 

/opt/conda/lib/python3.5/site-packages/pandas/core/series.py in setitem(key, value) 
    767      pass 
    768 
--> 769    self._set_with(key, value) 
    770 
    771   # do the setitem 

/opt/conda/lib/python3.5/site-packages/pandas/core/series.py in _set_with(self, key, value) 
    809    if key_type == 'integer': 
    810     if self.index.inferred_type == 'integer': 
--> 811      self._set_labels(key, value) 
    812     else: 
    813      return self._set_values(key, value) 

/opt/conda/lib/python3.5/site-packages/pandas/core/series.py in _set_labels(self, key, value) 
    826   if mask.any(): 
    827    raise ValueError('%s not contained in the index' % str(key[mask])) 
--> 828   self._set_values(indexer, value) 
    829 
    830  def _set_values(self, key, value): 

/opt/conda/lib/python3.5/site-packages/pandas/core/series.py in _set_values(self, key, value) 
    831   if isinstance(key, Series): 
    832    key = key._values 
--> 833   self._data = self._data.setitem(indexer=key, value=value) 
    834   self._maybe_update_cacher() 
    835 

/opt/conda/lib/python3.5/site-packages/pandas/core/internals.py in setitem(self, **kwargs) 
    3166 
    3167  def setitem(self, **kwargs): 
-> 3168   return self.apply('setitem', **kwargs) 
    3169 
    3170  def putmask(self, **kwargs): 

/opt/conda/lib/python3.5/site-packages/pandas/core/internals.py in apply(self, f, axes, filter, do_integrity_check, consolidate, **kwargs) 
    3054 
    3055    kwargs['mgr'] = self 
-> 3056    applied = getattr(b, f)(**kwargs) 
    3057    result_blocks = _extend_blocks(applied, result_blocks) 
    3058 

/opt/conda/lib/python3.5/site-packages/pandas/core/internals.py in setitem(self, indexer, value, mgr) 
    685       indexer.dtype == np.bool_ and 
    686       len(indexer[indexer]) == len(value)): 
--> 687      raise ValueError("cannot set using a list-like indexer " 
    688          "with a different length than the value") 
    689 

ValueError: cannot set using a list-like indexer with a different length than the value 

Assignment to containers in Pandas राज्यों "स्थानिक सूचियों का उपयोग करना पढ़ना काम पर अनुमति नहीं है और ऐसा करने की सिफारिश नहीं की जाती है। " क्या मैंने एक स्थानिक सूची बनाई है? एक स्थानिक सूची क्या है?

Answer 1

मैं से confusion_matrix का उपयोग करने की अनुशंसा करता हूं। अन्य मीट्रिक जिन्हें आपने उल्लेख किया है जैसे प्रेसिजन, रिकॉल, एफ 1-स्कोर sklearn.metrics से भी उपलब्ध हैं।

>>> from sklearn.metrics import confusion_matrix 
>>> y_actu = [1,2,3] 
>>> y_pred = [1,2,3] 
>>> confusion_matrix(y_actu, y_pred) 
array([[1, 0, 0], 
     [0, 1, 0], 
     [0, 0, 1]]) 

Answer 2

दिलचस्प बात यह है कि, जब मैं आपका कोड चलाता हूं, तो मुझे आपको मिली त्रुटि नहीं मिलती है, और कोड पूरी तरह से चलाया जाता है। मेरा सुझाव है कि आप चलाकर pandas_ml पुस्तकालय उन्नयन:

pip install --upgrade pandas_ml 

इसके अलावा, आप चलाकर पांडा अपग्रेड करने की आवश्यकता: यदि वह काम नहीं करता

pip install --upgrade pandas 

, आप एक भ्रम मैट्रिक्स बनाने के लिए पांडा ही उपयोग कर सकते हैं :

import pandas as pd 
y_actu = pd.Series([1, 2, 3], name='Actual') 
y_pred = pd.Series([1, 2, 3], name='Predicted') 
df_confusion = pd.crosstab(y_actu, y_pred) 
print df_confusion 

जो आपको वह तालिका देगा जो आप ढूंढ रहे हैं।

Answer 3

लगता त्रुटि जैसी सरणी आयाम की वजह से नहीं है:

from pandas_ml import ConfusionMatrix 
y_actu = [1,2,2] 
y_pred = [1,1,2] 
cm = ConfusionMatrix(y_actu, y_pred) 
cm.print_stats() 

इस (बाइनरी वर्गीकरण समस्या) ठीक काम करता है।

शायद मल्टीक्लास वर्गीकरण समस्या का भ्रम मैट्रिक्स बस टूटा हुआ है।

अपडेट किया गया: Ive बस इन चरणों बनाने:

conda update pandas 

पांडा 0.20 मिलता है।1 और फिर

pip install -U pandas_ml 

अब सब कुछ mulsiclass भ्रम मैट्रिक्स के साथ ठीक है:

Class Statistics: 

Classes          1   2   3 
Population         3   3   3 
P: Condition positive       1   1   1 
N: Condition negative       2   2   2 
Test outcome positive       1   1   1 
Test outcome negative       2   2   2 
TP: True Positive        1   1   1 
TN: True Negative        2   2   2 
FP: False Positive       0   0   0 
FN: False Negative       0   0   0 
TPR: (Sensitivity, hit rate, recall)   1   1   1 
TNR=SPC: (Specificity)      1   1   1 
PPV: Pos Pred Value (Precision)    1   1   1 
NPV: Neg Pred Value       1   1   1 
FPR: False-out        0   0   0 
FDR: False Discovery Rate      0   0   0 
FNR: Miss Rate        0   0   0 
ACC: Accuracy         1   1   1 
F1 score          1   1   1 
MCC: Matthews correlation coefficient   1   1   1 
Informedness         1   1   1 
Markedness         1   1   1 
Prevalence        0.333333 0.333333 0.333333 
LR+: Positive likelihood ratio    inf  inf  inf 
LR-: Negative likelihood ratio    0   0   0 
DOR: Diagnostic odds ratio     inf  inf  inf 
FOR: False omission rate      0   0   0 

Answer 4

मैं भी का उपयोग करें और sklearn की सिफारिश confusion_matrix समारोह:

from pandas_ml import ConfusionMatrix 
y_actu = [1,2,3] 
y_pred = [1,2,3] 
cm = ConfusionMatrix(y_actu, y_pred) 
cm.print_stats() 

मैं उत्पादन मिला है। व्यक्तिगत तौर पर मैं भी कुछ अतिरिक्त सुविधाओं के साथ काम एक "pretty-print confusion matrix" समारोह रखें:

• वर्ग लेबल भ्रम मैट्रिक्स के साथ मुद्रित अक्ष
• भ्रम मैट्रिक्स सामान्यीकृत ताकि सभी कोशिकाओं 1
• भ्रम मैट्रिक्स सेल बढ़ाया रंग के योग आँकड़े सेल-वैल्यू
• एफ-स्कोर जैसे अतिरिक्त मीट्रिक, भ्रम मैट्रिक्स के नीचे मुद्रित आदि के अनुसार।

इस तरह:

यहाँ अंकन समारोह, this example from the Scikit-Learn documentation

import matplotlib.pyplot as plt 
import itertools 
from sklearn.metrics import classification_report 

def pretty_print_conf_matrix(y_true, y_pred, 
          classes, 
          normalize=False, 
          title='Confusion matrix', 
          cmap=plt.cm.Blues): 
    """ 
    Mostly stolen from: http://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html#sphx-glr-auto-examples-model-selection-plot-confusion-matrix-py 

    Normalization changed, classification_report stats added below plot 
    """ 

    cm = confusion_matrix(y_true, y_pred) 

    # Configure Confusion Matrix Plot Aesthetics (no text yet) 
    plt.imshow(cm, interpolation='nearest', cmap=cmap) 
    plt.title(title, fontsize=14) 
    tick_marks = np.arange(len(classes)) 
    plt.xticks(tick_marks, classes, rotation=45) 
    plt.yticks(tick_marks, classes) 
    plt.ylabel('True label', fontsize=12) 
    plt.xlabel('Predicted label', fontsize=12) 

    # Calculate normalized values (so all cells sum to 1) if desired 
    if normalize: 
     cm = np.round(cm.astype('float')/cm.sum(),2) #(axis=1)[:, np.newaxis] 

    # Place Numbers as Text on Confusion Matrix Plot 
    thresh = cm.max()/2. 
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])): 
     plt.text(j, i, cm[i, j], 
       horizontalalignment="center", 
       color="white" if cm[i, j] > thresh else "black", 
       fontsize=12) 


    # Add Precision, Recall, F-1 Score as Captions Below Plot 
    rpt = classification_report(y_true, y_pred) 
    rpt = rpt.replace('avg/total', '  avg') 
    rpt = rpt.replace('support', 'N Obs') 

    plt.annotate(rpt, 
       xy = (0,0), 
       xytext = (-50, -140), 
       xycoords='axes fraction', textcoords='offset points', 
       fontsize=12, ha='left')  

    # Plot 
    plt.tight_layout() 

पर काफी हद तक आधारित है और यहाँ साजिश छवि उत्पन्न करने के लिए इस्तेमाल किया आईरिस डेटा के साथ उदाहरण है:

from sklearn import datasets 
from sklearn.svm import SVC 

#get data, make predictions 
(X,y) = datasets.load_iris(return_X_y=True) 
X_train, X_test, y_train, y_test = train_test_split(X,y, train_size=0.5) 

clf = SVC() 
clf.fit(X_train,y_train) 
y_test_pred = clf.predict(X_test) 


# Plot Confusion Matrix 
plt.style.use('classic') 
plt.figure(figsize=(3,3)) 
pretty_print_conf_matrix(y_test, y_test_pred, 
         classes= ['0', '1', '2'], 
         normalize=True, 
         title='Confusion Matrix')